Искусственный интеллект может улучшить уход за пациентами

Перспектива, опубликованная 17 июня в журнале «npj Health Systems», объясняет, что более умная, более эффективная и справедливая модель оказания медицинской помощи может быть создана путем использования существующих данных для поддержки общесистемного обучения. Тем не менее, принятие этой модели остается ограниченным.
«Интеграция различных баз данных является частью создания динамичной системы здравоохранения. Практикующие врачи смогут легче и быстрее увидеть, что работает, а что нет; и что приводит к ненужным расходам», - говорит Питер Стил, ведущий автор, доцент клинической неотложной медицины в Weill Cornell Medicine и врач неотложной медицины в NewYork-Presbyterian/Weill Cornell Medical Center (США).

Авторы говорят, что создание обучающей системы здравоохранения особенно важно сейчас, когда академические учреждения сталкиваются с финансовыми трудностями, вызванными ростом затрат на исследования, снижением маржи и растущими ожиданиями пациентов. Эта перспектива представляет собой призыв к действию для академических медицинских центров по проведению системных изменений путем переосмысления того, как они генерируют и применяют знания.

Идея, лежащая в основе этого подхода, не нова — исследователи в области медицины впервые представили себе обучающиеся системы здравоохранения, когда больницы перешли от бумажных к электронным медицинским картам. Тем не менее, электронные медицинские карты были разработаны в первую очередь для удобства врачей и пациентов, а не для исследователей и инициатив по повышению качества. Разрозненность данных еще больше усложняет создание систем обучающегося здравоохранения. Информация — истории болезни пациентов, результаты лабораторных исследований, визуализация или выписка счетов — хранится в отдельных, разрозненных системах, которые не взаимодействуют друг с другом.

Следовательно, на сбор и анализ данных, необходимых для улучшения ухода за пациентами, часто могут уйти годы, отмечают авторы. Функционирующая обучающая система здравоохранения могла бы сократить эти временные рамки до нескольких недель, сохраняя при этом этичные, ориентированные на пациента исследования и используя надежные системы безопасности для обеспечения конфиденциальности пациентов. Эти знания затем могут быть использованы для пересмотра рекомендаций по лечению, повышения безопасности пациентов и стимулирования инноваций.

«Обучающаяся система здравоохранения, основанная на искусственном интеллекте, обладает потенциалом для повышения клинической помощи и результатов. Когда мы даем возможность будущим клиницистам учиться на каждом клиническом опыте, мы можем улучшить качество и эффективность так, как мы не могли раньше», — сказал д-р Харрингтон.
Несмотря на трудности, последние достижения в области искусственного интеллекта делают внедрение обучающих систем здравоохранения более важным. Пациенты начинают ожидать, что врачи будут использовать ИИ для оказания персонализированной, упреждающей помощи, но ИИ зависит от чистых, хорошо структурированных реальных данных. «ИИ может выполнить свои обещания только в том случае, если он будет построен на основе учебной инфраструктуры», — сказал доктор Стил.

Инструменты искусственного интеллекта могут быстро анализировать огромные объемы медицинских данных, помогая врачам выявлять ранние признаки заболевания, оптимизировать операции и принимать более быстрые и индивидуализированные решения. Система обучения здоровья позволяет осуществлять необходимый контроль качества, обеспечивая непрерывный мониторинг инструментов ИИ на предмет безопасности, предвзятости и эффективности.