سازمان های مراقبت های بهداشتی عمدتاً از برنامه ها و ابزارهای هوش مصنوعی برای کمک در زمینه هایی مانند جستجوی سوابق و اسناد پزشکی استفاده می کنند. اگرچه فناوری محاسبات قدرتمند است و سیستمها به گونهای طراحی شدهاند که در حال یادگیری هستند، اخبار اخیر منتشر شده توسط رادیو عمومی ملی، STAT و وال استریت ژورنال نشان میدهد که این سیستمها ناقص هستند و ورودی انسان هنوز ضروری و ارزشمند است.
NPR و STAT در مورد تصمیم انجمن ملی اختلالات خوردن برای بستن خط کمک ملی خود با کارکنان داوطلب و به جای آن از چت بات (یک برنامه هوش مصنوعی که مکالمه را شبیهسازی میکند) به نام تسا گزارش دادند. (پیوندهای داستان های زیر را در منابع ببینید.)
به نظر می رسید که رهبری سازمان نیت خوبی داشته است، به این دلیل که تسا می تواند سریعتر پاسخ دهد و به افراد بیشتری کمک کند. متأسفانه، ظرف یک هفته ابزار چت بات نکات رژیم غذایی و کاهش وزن را توصیه کرد، که می تواند باعث تحریک و تداوم شرایط افراد مبتلا به اختلالات خوردن شود.
پس از اینکه کاربران نگرانی های خود را در رسانه های اجتماعی به اشتراک گذاشتند، انجمن اعلام کرد که تسا را به طور نامحدود غیرفعال می کند. در زمان انتشار، وب سایت سازمان هنوز اطلاعاتی را فهرست کرده است برای یک خط متن بحران مستقل که توسط داوطلبان آموزش دیده کار می کند.
یکی از داوطلبان ناشناس به STAT گفت که با پایان دادن به خط کمک، NEDA فرصت استفاده از هوش مصنوعی را برای خودکار کردن جستجوهای پایگاه داده یا یافتن اطلاعات به روز ارائه دهندگان از دست داد، که می توانست برخی از کار فشرده زمان جمع آوری منابع را برای تماس گیرندگان ساده کند. این وظایف منجر به طولانیتر شدن زمان انتظار تسا شد.
در داستانی دیگروال استریت ژورنال با چندین پرستار درباره تجربه آنها با هشدارها و الگوریتمهای هوش مصنوعی مصاحبه کرد و گزارش داد که چگونه خروجی و پیشنهادات برنامهها گاهی به طرز خطرناکی با تخصص و قضاوت بالینی پرستاران در تضاد است.
در یک مورد، یک پرستار سرطان شناسی هشداری دریافت کرد که یکی از بیمارانش ممکن است سپسیس داشته باشد. اگرچه او فکر میکرد که هشدار اشتباه است، اما باید با گرفتن نمونه خون از پروتکل پیروی میکرد و به طور بالقوه بیمار را در معرض عفونت قرار میداد و به صورت حسابش اضافه میکرد. پرستار دیگری در یک خط مشاوره تلفنی به علائم بیمار گوش داد و با پیروی از پروتکل پیشنهادی الگوریتم، تشخیص داد که بیمار مبتلا به سرفه، سرماخوردگی و/یا آنفولانزا است و چند ساعت بعد یک قرار تلفنی با پزشک تعیین کرد. آن بیمار بعداً به ذات الریه، نارسایی حاد تنفسی و نارسایی کلیوی تشخیص داده شد. چند روز بعد فوت کرد.
لیزا بنن، گزارشگر، نوشت: «اینکه یک پرستار به اندازه کافی مطمئن باشد که به قضاوت خود برای نادیده گرفتن یک الگوریتم اعتماد کند، اغلب به خط مشی بیمارستان بستگی دارد. این مقاله همچنین به یک نظرسنجی National Nurses United اشاره کرد که در آن 24٪ از پاسخ دهندگان گفتند که توسط یک الگوریتم بالینی از آنها خواسته شده است تا انتخاب هایی را انجام دهند که معتقدند به نفع بیماران نیست.
درس هایی برای روزنامه نگاران
هر دو خبر به عنوان یادآوری خوبی برای تمرین دقت لازم هنگام گزارش در مورد فناوری های جدید هستند. هنگام پوشش دادن به پذیرش فناوریهای هوش مصنوعی توسط سیستمهای مراقبتهای بهداشتی، مهم است که فراتر از این که چرا آنها از فناوریها استفاده میکنند یا به چه چیزی امیدوارند دست پیدا کنند، برویم. بسیار مهم است که بپرسید چه کسی به فکر فروشگاه است.
چه کسی مسئول نظارت بر فناوری برای ارزیابی عملکرد آن خواهد بود؟ آنها عملکرد فناوری را چگونه ارزیابی خواهند کرد و هر چند وقت یکبار این کار را انجام خواهند داد؟ همچنین دریافت بازخورد از کاربران، چه کارکنان مراقبت های بهداشتی و چه بیماران، مهم است. آنها چه چیزی را در مورد فناوری دوست دارند یا دوست ندارند؟ چگونه مفید است و چه محدودیت هایی دارد؟ آیا به اهداف مورد نظر خود می رسد؟
در نظر داشتن این سوالات بسیار مهم است، زیرا به نظر می رسد فناوری هوش مصنوعی در حال افزایش است. بر اساس یک داستان اخیر در مجله HealthTech، هادغام کاربردهای هوش مصنوعی در مراقبت های بهداشتی عبارتند از:
- فناوری بینایی کامپیوتری برای ردیابی خودکار بیماران جراحی.
- تجزیه و تحلیل داده های موقعیتی بلادرنگ برای پیش بینی نتایج بیمار و تنظیم مراقبت.
- فناوری صوتی فعال برای مدیریت مستندات پزشک و هدایت درخواستهای بیماران بستری به بخش مناسب.
علاوه بر این، سیستمهای بهداشتی از جمله UNC Health در کارولینای شمالی، UW Health در ویسکانسین، Stanford Health Care و UC San Diego Health در حال اجرای آزمایشی فناوری هوش مصنوعی هستند تا به پزشکان کمک کنند به سؤالات بیماران در پورتالهای آنلاین پاسخ دهند. Becker’s Health IT گزارش داد. این فناوری پیش نویس اولیه را ایجاد می کند و پزشکان می توانند قبل از ارسال آن را بررسی و ویرایش کنند. یک مقاله از UC San Diego خاطرنشان کرد که پیامها به وضوح با افشاگریهایی مشخص میشوند که بیان میکنند پیام بهطور خودکار تولید و توسط یک پزشک بررسی شده است.
من همچنین گزارشهای خبری بیمارستانهایی را دیدهام که از هوش مصنوعی استفاده میکنند ایجاد رونوشت خودکار از برخوردهای بیمار، خواندن و تجزیه و تحلیل سوابق پزشکی الکترونیکی بیماران برای ارائه فهرستی از آزمایشات بالینی که ممکن است واجد شرایط باشند، و ویژگی های سلامتی را ارائه می دهد مانند مدیتیشن های هدایت شده و توصیه هایی برای تفریح در فضای باز. برنامههای دیگر برای کمک به پیشبینی موقعیتهایی مانند طراحی شدهاند هذیان در بخش مراقبت های ویژه، خطر سرطان ریه در کوتاه مدت و بلند مدت، و حتی جابجایی پزشک.
برخی از سیستم های بهداشتی مانند Northwestern Medicine در شیکاگو و Duke Health در کارولینای شمالی و وزارت بهداشت و خدمات انسانی افسران ارشد هوش مصنوعی اضافه شدند به تیم های اجرایی خود آنها، همراه با متخصصان اخلاق زیست پزشکی، منابع خوبی برای خبرنگارانی خواهند بود که هوش مصنوعی را پوشش می دهند.
منابع: