23 مارس
2023
آیا هوش مصنوعی می تواند مشکل سوابق پزشکی 125 میلیارد دلاری ما را حل کند؟
توسط Carm Huntress، مدیر عامل، Credo.
طبق گزارش سال 2021 دفتر هماهنگ کننده ملی فناوری اطلاعات سلامت، قرن بیست و یکم است و 78 درصد از بیمارستان ها هنوز «اغلب یا گاهی» پرونده پزشکی خود را از طریق پست یا فکس دریافت می کنند.
این فقط یک ناراحتی نیست، هزینه و زمان زیادی برای ارائه دهندگان دارد. همچنین برای بیماران خطرناک است. وقتی یک ارائه‌دهنده تاریخچه پزشکی به‌روز و قابل خواندن نداشته باشد، می‌تواند تشخیص‌های حیاتی را به تاخیر بیندازد و از دریافت به موقع مراقبت‌های نجات‌بخش بالقوه بیماران جلوگیری کند.
اگر ما بتوانیم یک مشکل را در مراقبت های بهداشتی حل کنیم که تأثیر مثبتی بر بیماران، ارائه دهندگان و پرداخت کنندگان داشته باشد، این همان است. و به لطف برخی از پیشرفت‌های مهم نظارتی و فناوری – از جمله هوش مصنوعی – ما شروع به دیدن گروه بزرگی از رهبران و نوآوران کرده‌ایم که برای مقابله با این چالش گرد هم می‌آیند.
آیا سرمایه گذاری ما در پرونده الکترونیک سلامت نتیجه داده است؟
از زمان تصویب قانون HITECH در سال 2009، دولت ایالات متحده بیش از 30 میلیارد دلار برای تشویق به استفاده از EHR ها هزینه کرده است.
بدون فرمت یا ساختار استاندارد برای سوابق، در نهایت به صدها هزار سیستم مبادله داده‌های بدون ساختار رسیدیم – تا سال 2014 که اولین استانداردهای رسمی منابع تعاملی مراقبت‌های بهداشتی سریع منتشر شد.
علاوه بر مسائل مربوط به قابلیت همکاری، ما همچنین فاقد یک فرآیند استاندارد برای وارد کردن یادداشت پیشرفت پزشک در EHR هستیم. مقدار زیادی ارزش بالینی در آن یادداشت بدون ساختار یافت می شود و بدون قالب قابل خواندن، این اطلاعات به هدر می رود.
به دلیل این مشکلات – همراه با پذیرش آهسته فناوری های جدید در بین پزشکان – مراقبت های بهداشتی هنوز هم هر ساله میلیاردها صفحه از پرونده های پزشکی را فکس می کنند.
مقررات و استانداردهای جدید می تواند به حل مشکل قابلیت همکاری کمک کند
پیشرفت های اخیر در مقررات و استانداردسازی، زمینه را برای پیشرفت های مهم در سال های آینده فراهم می کند. در دهه گذشته، اجرای استانداردهایی مانند FHIR یک قالب استاندارد برای داده های پرونده پزشکی ایجاد کرده است.
و با قانون درمان قرن بیست و یکم، به زودی شاهد ظهور یک شبکه ملی تنظیم‌شده، اجباری و قابل تعامل تحت چارچوب تبادل معتمد و توافق‌نامه مشترک خواهیم بود.
برای اجرای این تغییرات در مقیاس، تلاش و همکاری زیادی لازم است. اما با در نظر گرفتن درس‌هایی که از سال 2009 آموخته‌ایم، این مقررات پایه‌ای حیاتی را فراهم می‌کنند که در قوانین قبلی غایب بود.
هوش مصنوعی و یادگیری ماشین نقش حیاتی دارند
پیشرفت‌ها در هوش مصنوعی و یادگیری ماشینی فرصتی بی‌سابقه برای ترکیب داده‌های پرونده پزشکی به شکلی خوانا و ساختار یافته ارائه می‌دهد.
حجم مراقبتی را که بیمار در طول زندگی دریافت می کند در نظر بگیرید. به خصوص برای فردی با یک یا چند بیماری مزمن، کل تاریخچه یک بیمار اغلب در صدها صفحه سند پخش می شود، بدون اینکه ابزاری برای اتصال آنها به یک روایت ساختاریافته وجود داشته باشد.
امروزه، وقتی داده‌های یک بیمار را به صورت دیجیتالی جمع‌آوری می‌کنیم، به‌طور متوسط به ازای هر بیمار ۴۳ سند بالینی دریافت می‌کنیم. این ها می توانند در هر فرمتی باشند – HL7، FHIR، CCDA، یا حتی JPEG یا TIFF. و سپس در هر فایل، حجم عظیمی از روایت بالینی بدون ساختار وجود دارد.
هوش مصنوعی می‌تواند نقش کلیدی در ترکیب این سوابق بازی کند – استخراج تشخیص‌ها، نتایج آزمایشگاهی، داروها، تاریخچه روش‌ها و موارد دیگر – در یک رکورد دیجیتالی دقیق تنظیم‌شده و کاملاً قابل جستجو و مقایسه.
این سوابق هم هزینه درمان و هم زمان درمان را کاهش می‌دهد و به پزشکان کمک می‌کند تا مراقبت‌های مورد نیاز بیماران را در مواقعی که به آن نیاز دارند ارائه دهند.
استفاده از فناوری‌های موجود برای ایجاد راه‌حلی مقیاس‌پذیر و کاربرپسند برای پرونده‌های پزشکی، فقط یک نوآوری مفید نیست. اگر بخواهیم مشکل 125 میلیارد دلاری بازیابی و تجزیه و تحلیل پرونده پزشکی را حل کنیم، گامی حیاتی است که باید برداریم.
مشاغل در مراقبت های بهداشتی