ປັນຍາປະດິດຄາດວ່າຈະກາຍເປັນກໍາລັງການຫັນປ່ຽນໃນດ້ານການດູແລສຸຂະພາບ.ດັ່ງນັ້ນທ່ານຫມໍແລະຄົນເຈັບໄດ້ຮັບຜົນປະໂຫຍດຈາກຜົນກະທົບຂອງເຄື່ອງມືທີ່ຂັບເຄື່ອນດ້ວຍ AI ແນວໃດ?
ອຸດສາຫະກໍາການດູແລສຸຂະພາບໃນມື້ນີ້ແມ່ນເປັນຜູ້ໃຫຍ່ຫຼາຍແລະສາມາດເຮັດໃຫ້ມີການປ່ຽນແປງທີ່ສໍາຄັນຈໍານວນຫນຶ່ງ.ຈາກພະຍາດຊໍາເຮື້ອແລະມະເຮັງໄປສູ່ຮັງສີແລະການປະເມີນຄວາມສ່ຽງ, ອຸດສາຫະກໍາການດູແລສຸຂະພາບເບິ່ງຄືວ່າມີໂອກາດນັບບໍ່ຖ້ວນທີ່ຈະນໍາໃຊ້ເຕັກໂນໂລຢີເພື່ອປະຕິບັດການແຊກແຊງທີ່ຊັດເຈນ, ມີປະສິດທິພາບແລະປະສິດທິຜົນຫຼາຍຂຶ້ນໃນການດູແລຄົນເຈັບ.
ດ້ວຍການພັດທະນາເຕັກໂນໂລຢີ, ຄົນເຈັບມີຄວາມຕ້ອງການທີ່ສູງຂຶ້ນແລະສູງກວ່າສໍາລັບທ່ານຫມໍ, ແລະຈໍານວນຂໍ້ມູນທີ່ມີຢູ່ຍັງສືບຕໍ່ເຕີບໂຕໃນອັດຕາທີ່ຫນ້າຕົກໃຈ.ປັນຍາທຽມຈະກາຍເປັນເຄື່ອງຈັກເພື່ອສົ່ງເສີມການປັບປຸງຢ່າງຕໍ່ເນື່ອງຂອງການດູແລທາງການແພດ.
ເມື່ອປຽບທຽບກັບການວິເຄາະແບບດັ້ງເດີມແລະເຕັກໂນໂລຢີການຕັດສິນໃຈທາງດ້ານຄລີນິກ, ປັນຍາປະດິດມີຄວາມໄດ້ປຽບຫຼາຍ.ເມື່ອສູດການຄິດໄລ່ການຮຽນຮູ້ພົວພັນກັບຂໍ້ມູນການຝຶກອົບຮົມ, ມັນສາມາດກາຍເປັນຄວາມຖືກຕ້ອງຫຼາຍຂຶ້ນ, ເຮັດໃຫ້ທ່ານຫມໍໄດ້ຮັບຄວາມເຂົ້າໃຈທີ່ບໍ່ເຄີຍມີມາກ່ອນກ່ຽວກັບການວິນິດໄສ, ຂະບວນການພະຍາບານ, ການປ່ຽນແປງການປິ່ນປົວແລະຜົນໄດ້ຮັບຂອງຄົນເຈັບ.
ຢູ່ທີ່ເວທີປາໄສການປະດິດສ້າງທາງດ້ານການແພດທາງດ້ານປັນຍາປະດິດໂລກປີ 2018 (wmif) ທີ່ຈັດຂຶ້ນໂດຍ Partners Healthcare, ນັກຄົ້ນຄວ້າທາງການແພດ ແລະຜູ້ຊ່ຽວຊານດ້ານການແພດ ໄດ້ອະທິບາຍລະອຽດກ່ຽວກັບເທັກໂນໂລຍີ ແລະຂົງເຂດຂອງອຸດສາຫະກຳການແພດ ເຊິ່ງມີແນວໂນ້ມທີ່ຈະມີຜົນກະທົບອັນໃຫຍ່ຫຼວງຕໍ່ການຮັບຮອງເອົາປັນຍາປະດິດໃນຕໍ່ໜ້າ. ທົດສະວັດ.
Anne kiblanksi, MD, ປະທານ CO ຂອງ wmif ໃນ 2018, ແລະ Gregg Meyer, MD, ຫົວຫນ້າວິຊາການຂອງ Partners Healthcare, ກ່າວວ່າ "ການໂຄ່ນລົ້ມ" ແບບນີ້ໄດ້ນໍາເອົາໄປສູ່ທຸກຂົງເຂດອຸດສາຫະກໍາມີທ່າແຮງທີ່ຈະນໍາເອົາຜົນປະໂຫຍດທີ່ສໍາຄັນມາໃຫ້ຄົນເຈັບແລະມີຄວາມກວ້າງຂວາງ. ທ່າແຮງຄວາມສໍາເລັດທາງທຸລະກິດ.
ດ້ວຍຄວາມຊ່ອຍເຫລືອຂອງຜູ້ຊ່ຽວຊານຈາກການດູແລສຸຂະພາບຂອງຄູ່ຮ່ວມງານ, ລວມທັງທ່ານດຣ Keith Dreyer, ອາຈານສອນຂອງໂຮງຮຽນການແພດ Harvard (HMS), ຫົວຫນ້າວິທະຍາສາດຂໍ້ມູນຂອງຄູ່ຮ່ວມງານ, ແລະທ່ານດຣ Katherine andreole, ຜູ້ອໍານວຍການຍຸດທະສາດການຄົ້ນຄວ້າແລະການດໍາເນີນງານຢູ່ Massachusetts General Hospital (MGH) , ສະເຫນີ 12 ວິທີທີ່ AI ຈະປະຕິວັດການບໍລິການທາງການແພດແລະວິທະຍາສາດ.
1.Unify ຄວາມຄິດແລະເຄື່ອງຈັກໂດຍຜ່ານການໂຕ້ຕອບຄອມພິວເຕີສະຫມອງ
ການໃຊ້ຄອມພິວເຕີເພື່ອສື່ສານບໍ່ແມ່ນຄວາມຄິດໃຫມ່, ແຕ່ການສ້າງການໂຕ້ຕອບໂດຍກົງລະຫວ່າງເຕັກໂນໂລຢີແລະການຄິດຂອງມະນຸດໂດຍບໍ່ມີແປ້ນພິມ, ຫນູແລະຈໍສະແດງຜົນແມ່ນຂົງເຂດການຄົ້ນຄວ້າຊາຍແດນ, ເຊິ່ງມີຄໍາຮ້ອງສະຫມັກທີ່ສໍາຄັນສໍາລັບຄົນເຈັບບາງຄົນ.
ພະຍາດຂອງລະບົບປະສາດແລະການບາດເຈັບສາມາດເຮັດໃຫ້ຄົນເຈັບບາງຄົນສູນເສຍຄວາມສາມາດໃນການສົນທະນາທີ່ມີຄວາມຫມາຍ, ການເຄື່ອນໄຫວແລະການພົວພັນກັບຄົນອື່ນແລະສະພາບແວດລ້ອມຂອງພວກເຂົາ.ການໂຕ້ຕອບຄອມພິວເຕີຂອງສະຫມອງ (BCI) ສະຫນັບສະຫນູນໂດຍປັນຍາປະດິດສາມາດຟື້ນຟູປະສົບການພື້ນຖານເຫຼົ່ານັ້ນສໍາລັບຄົນເຈັບທີ່ກັງວົນກ່ຽວກັບການສູນເສຍຫນ້າທີ່ເຫຼົ່ານີ້ຕະຫຼອດໄປ.
ທ່ານ Leigh Hochberg, MD, ຜູ້ ອຳ ນວຍການສູນເຕັກໂນໂລຢີແລະການຟື້ນຟູລະບົບປະສາດກ່າວວ່າ "ຖ້າຂ້ອຍເຫັນຄົນເຈັບຢູ່ໃນຫ້ອງເບິ່ງແຍງລະບົບປະສາດທີ່ເຂັ້ມງວດໃນລະບົບປະສາດທີ່ສູນເສຍຄວາມສາມາດໃນການປະຕິບັດຫຼືການເວົ້າຢ່າງກະທັນຫັນ, ຂ້ອຍຫວັງວ່າຈະຟື້ນຟູຄວາມສາມາດໃນການສື່ສານໃນມື້ຕໍ່ມາ," ໂຮງໝໍທົ່ວໄປຂອງລັດ Massachusetts (MGH).ໂດຍການນໍາໃຊ້ອິນເຕີເຟດຄອມພິວເຕີຂອງສະຫມອງ (BCI) ແລະປັນຍາປະດິດ, ພວກເຮົາສາມາດກະຕຸ້ນເສັ້ນປະສາດທີ່ກ່ຽວຂ້ອງກັບການເຄື່ອນໄຫວຂອງມື, ແລະພວກເຮົາຄວນຈະສາມາດເຮັດໃຫ້ຄົນເຈັບຕິດຕໍ່ສື່ສານກັບຜູ້ອື່ນຢ່າງຫນ້ອຍຫ້າເທື່ອໃນລະຫວ່າງກິດຈະກໍາທັງຫມົດ, ເຊັ່ນ: ການນໍາໃຊ້ເຕັກໂນໂລຢີການສື່ສານທີ່ກວ້າງຂວາງເຊັ່ນ: ເປັນຄອມພິວເຕີແທັບເລັດ ຫຼືໂທລະສັບມືຖື."
ການໂຕ້ຕອບຄອມພິວເຕີຂອງສະຫມອງສາມາດປັບປຸງຄຸນນະພາບຊີວິດຂອງຄົນເຈັບທີ່ມີໂຣກ amyotrophic lateral sclerosis (ALS), ເສັ້ນເລືອດຕັນໃນຫຼືໂຣກ atresia, ເຊັ່ນດຽວກັນກັບຄົນເຈັບ 500000 ທີ່ມີການບາດເຈັບຂອງກະດູກສັນຫຼັງໃນທົ່ວໂລກໃນແຕ່ລະປີ.
2.Develop the next generation of radiation tools
ຮູບພາບລັງສີທີ່ໄດ້ຮັບໂດຍການສະທ້ອນແສງສະນະແມ່ເຫຼັກ (MRI), ເຄື່ອງສະແກນ CT, ແລະ X-rays ສະຫນອງການເບິ່ງເຫັນທີ່ບໍ່ມີການຮຸກຮານເຂົ້າໄປໃນພາຍໃນຂອງຮ່າງກາຍຂອງມະນຸດ.ຢ່າງໃດກໍ່ຕາມ, ຂັ້ນຕອນການວິນິດໄສຈໍານວນຫຼາຍຍັງອີງໃສ່ຕົວຢ່າງເນື້ອເຍື່ອທາງດ້ານຮ່າງກາຍທີ່ໄດ້ຮັບໂດຍ biopsy, ເຊິ່ງມີຄວາມສ່ຽງຕໍ່ການຕິດເຊື້ອ.
ຜູ້ຊ່ຽວຊານຄາດຄະເນວ່າໃນບາງກໍລະນີ, ປັນຍາປະດິດຈະຊ່ວຍໃຫ້ການຜະລິດຕໍ່ໄປຂອງເຄື່ອງມື Radiology ທີ່ຖືກຕ້ອງແລະລາຍລະອຽດພຽງພໍທີ່ຈະທົດແທນຄວາມຕ້ອງການຂອງຕົວຢ່າງເນື້ອເຍື່ອດໍາລົງຊີວິດ.
Alexandra golby, MD, ຜູ້ອໍານວຍການດ້ານການຜ່າຕັດລະບົບປະສາດທີ່ແນະນໍາຮູບພາບຢູ່ໂຮງຫມໍແມ່ຍິງ Brigham (BWh), ກ່າວວ່າ, "ພວກເຮົາຕ້ອງການນໍາທີມງານຮູບພາບການວິນິດໄສຮ່ວມກັບແພດຜ່າຕັດຫຼື radiologists interventional ແລະ pathologists, ແຕ່ວ່າມັນເປັນສິ່ງທ້າທາຍອັນໃຫຍ່ຫຼວງສໍາລັບທີມງານທີ່ແຕກຕ່າງກັນເພື່ອບັນລຸການຮ່ວມມື. ແລະຄວາມສອດຄ່ອງຂອງເປົ້າຫມາຍ, ຖ້າພວກເຮົາຕ້ອງການ radiology ເພື່ອສະຫນອງຂໍ້ມູນທີ່ມີຢູ່ໃນປັດຈຸບັນຈາກຕົວຢ່າງຂອງເນື້ອເຍື່ອ, ພວກເຮົາຈະຕ້ອງສາມາດບັນລຸມາດຕະຖານທີ່ໃກ້ຊິດເພື່ອຮູ້ຂໍ້ເທັດຈິງພື້ນຖານຂອງ pixels ລວງໃດໆ. "
ຄວາມສໍາເລັດໃນຂະບວນການນີ້ອາດຈະເຮັດໃຫ້ແພດສາມາດເຂົ້າໃຈໄດ້ຢ່າງຖືກຕ້ອງກ່ຽວກັບການປະຕິບັດໂດຍລວມຂອງ tumor, ແທນທີ່ຈະເຮັດໃຫ້ການຕັດສິນໃຈການປິ່ນປົວໂດຍອີງໃສ່ບາງສ່ວນຂອງຄຸນລັກສະນະຂອງ tumor malignant.
AI ຍັງສາມາດກໍານົດການຮຸກຮານຂອງມະເຮັງໄດ້ດີຂຶ້ນ, ແລະກໍານົດເປົ້າຫມາຍການປິ່ນປົວຢ່າງເຫມາະສົມ.ນອກຈາກນັ້ນ, ປັນຍາປະດິດແມ່ນຊ່ວຍໃຫ້ຮັບຮູ້ "ການກວດ biopsy virtual" ແລະສົ່ງເສີມນະວັດກໍາໃນພາກສະຫນາມຂອງ Radiology, ມຸ່ງຫມັ້ນທີ່ຈະນໍາໃຊ້ algorithms ອີງໃສ່ຮູບພາບເພື່ອກໍານົດລັກສະນະ phenotypic ແລະພັນທຸກໍາຂອງ tumors.
3. ຂະຫຍາຍການບໍລິການທາງການແພດໃນເຂດທີ່ດ້ອຍໂອກາດ ຫຼືການພັດທະນາ
ການຂາດຜູ້ໃຫ້ການດູແລສຸຂະພາບທີ່ໄດ້ຮັບການຝຶກອົບຮົມໃນປະເທດທີ່ກໍາລັງພັດທະນາ, ລວມທັງນັກວິຊາການ ultrasound ແລະ radiologists, ຈະຫຼຸດລົງຢ່າງຫຼວງຫຼາຍໂອກາດໃນການໃຊ້ບໍລິການທາງການແພດເພື່ອຊ່ວຍຊີວິດຂອງຄົນເຈັບ.
ກອງປະຊຸມໄດ້ຊີ້ໃຫ້ເຫັນວ່າມີນັກ radiologists ເຮັດວຽກຢູ່ໃນໂຮງຫມໍຫົກແຫ່ງໃນ Boston ທີ່ມີຖະຫນົນ Longwood Avenue ທີ່ມີຊື່ສຽງຫຼາຍກ່ວາຢູ່ໃນໂຮງຫມໍທັງຫມົດໃນອາຟຣິກາຕາເວັນຕົກ.
ປັນຍາທຽມສາມາດຊ່ວຍຫຼຸດຜ່ອນຜົນກະທົບຂອງການຂາດແຄນແພດຫມໍທີ່ສໍາຄັນໂດຍການປະຕິບັດຫນ້າທີ່ການວິນິດໄສບາງຢ່າງທີ່ປົກກະຕິມອບໃຫ້ມະນຸດ.
ຕົວຢ່າງ, ເຄື່ອງມືການຖ່າຍຮູບ AI ສາມາດໃຊ້ X-rays ຫນ້າເອິກເພື່ອກວດເບິ່ງອາການຂອງວັນນະໂລກ, ໂດຍປົກກະຕິແລ້ວມີຄວາມຖືກຕ້ອງຄືກັນກັບທ່ານຫມໍ.ຄຸນນະສົມບັດນີ້ສາມາດຖືກນໍາໄປໃຊ້ໂດຍຜ່ານຄໍາຮ້ອງສະຫມັກສໍາລັບຜູ້ໃຫ້ບໍລິການໃນເຂດທີ່ທຸກຍາກຂອງຊັບພະຍາກອນ, ຫຼຸດຜ່ອນຄວາມຕ້ອງການສໍາລັບ radiologists ການວິນິດໄສທີ່ມີປະສົບການ.
ທ່ານດຣ jayashree kalpathy Cramer, ຜູ້ຊ່ວຍວິທະຍາສາດລະບົບປະສາດແລະຮອງສາດສະດາຈານຂອງ Radiology ຢູ່ໂຮງຫມໍ Massachusetts General Hospital (MGH) ກ່າວວ່າ "ເທກໂນໂລຍີນີ້ມີທ່າແຮງອັນໃຫຍ່ຫຼວງທີ່ຈະປັບປຸງການດູແລສຸຂະພາບ".
ຢ່າງໃດກໍ່ຕາມ, ນັກພັດທະນາ AI algorithm ຕ້ອງພິຈາລະນາຢ່າງລະມັດລະວັງຄວາມຈິງທີ່ວ່າຄົນທີ່ມີສັນຊາດຫຼືພາກພື້ນທີ່ແຕກຕ່າງກັນອາດມີປັດໃຈດ້ານຮ່າງກາຍແລະສິ່ງແວດລ້ອມທີ່ເປັນເອກະລັກ, ເຊິ່ງສາມາດສົ່ງຜົນກະທົບຕໍ່ການປະຕິບັດຂອງພະຍາດ.
ນາງກ່າວວ່າ "ຕົວຢ່າງ, ປະຊາກອນທີ່ໄດ້ຮັບຜົນກະທົບຈາກພະຍາດໃນປະເທດອິນເດຍອາດຈະແຕກຕ່າງກັນຫຼາຍຈາກທີ່ຢູ່ໃນສະຫະລັດ," ນາງເວົ້າ.ເມື່ອພວກເຮົາພັດທະນາສູດການຄິດໄລ່ເຫຼົ່ານີ້, ມັນເປັນສິ່ງສໍາຄັນຫຼາຍທີ່ຈະຮັບປະກັນວ່າຂໍ້ມູນເປັນຕົວແທນຂອງການນໍາສະເຫນີພະຍາດແລະຄວາມຫຼາກຫຼາຍຂອງປະຊາກອນ.ພວກເຮົາບໍ່ພຽງແຕ່ສາມາດພັດທະນາສູດການຄິດໄລ່ໂດຍອີງໃສ່ປະຊາກອນດຽວ, ແຕ່ຍັງຫວັງວ່າມັນສາມາດມີບົດບາດໃນປະຊາກອນອື່ນໆ."
4.ຫຼຸດຜ່ອນພາລະການນໍາໃຊ້ຂອງການບັນທຶກສຸຂະພາບເອເລັກໂຕຣນິກ
ບັນທຶກສຸຂະພາບເອເລັກໂຕຣນິກ (ນາງ) ໄດ້ມີບົດບາດສໍາຄັນໃນການເດີນທາງດິຈິຕອນຂອງອຸດສາຫະກໍາການດູແລສຸຂະພາບ, ແຕ່ການຫັນປ່ຽນນີ້ໄດ້ນໍາເອົາບັນຫາຈໍານວນຫລາຍທີ່ກ່ຽວຂ້ອງກັບມັນສະຫມອງ overload, ເອກະສານທີ່ບໍ່ມີທີ່ສິ້ນສຸດແລະຄວາມເມື່ອຍລ້າຂອງຜູ້ໃຊ້.
ປະຈຸບັນນີ້ຜູ້ພັດທະນາບັນທຶກສຸຂະພາບທາງອີເລັກໂທຣນິກ (ນາງ) ກຳລັງໃຊ້ປັນຍາປະດິດເພື່ອສ້າງການໂຕ້ຕອບທີ່ເຂົ້າໃຈໄດ້ຫຼາຍຂຶ້ນ ແລະເຮັດໜ້າທີ່ປະຈຳການອັດຕະໂນມັດເຊິ່ງໃຊ້ເວລາຫຼາຍຂອງຜູ້ໃຊ້.
ທ່ານດຣ Adam Landman, ຮອງປະທານແລະຫົວຫນ້າຂໍ້ມູນຂ່າວສານຂອງ Brigham health, ກ່າວວ່າຜູ້ໃຊ້ໃຊ້ເວລາສ່ວນໃຫຍ່ຂອງພວກເຂົາໃນສາມຫນ້າວຽກ: ເອກະສານທາງດ້ານການຊ່ວຍ, ຄໍາສັ່ງເຂົ້າ, ແລະຈັດລຽງ inbox ຂອງເຂົາເຈົ້າ.ການຮັບຮູ້ສຽງເວົ້າ ແລະການຂຽນຕາມຕົວສັ່ງສາມາດຊ່ວຍປັບປຸງການປະມວນຜົນເອກະສານທາງດ້ານຄລີນິກ, ແຕ່ເຄື່ອງມືປະມວນຜົນພາສາທໍາມະຊາດ (NLP) ອາດຈະບໍ່ພຽງພໍ.
ທ່ານ Landman ກ່າວວ່າ "ຂ້າພະເຈົ້າຄິດວ່າມັນອາດຈະມີຄວາມຈໍາເປັນທີ່ຈະຕ້ອງມີຄວາມກ້າຫານຫຼາຍຂຶ້ນແລະພິຈາລະນາການປ່ຽນແປງບາງຢ່າງ, ເຊັ່ນການນໍາໃຊ້ການບັນທຶກວິດີໂອສໍາລັບການປິ່ນປົວທາງດ້ານຄລີນິກ, ຄືກັນກັບຕໍາຫຼວດທີ່ໃສ່ກ້ອງຖ່າຍຮູບ," Landman ກ່າວ.ປັນຍາທຽມ ແລະການຮຽນຮູ້ເຄື່ອງຈັກສາມາດຖືກໃຊ້ເພື່ອດັດສະນີວິດີໂອເຫຼົ່ານີ້ເພື່ອການດຶງຂໍ້ມູນໃນອະນາຄົດ.ຄືກັນກັບ Siri ແລະ Alexa, ຜູ້ທີ່ໃຊ້ຜູ້ຊ່ວຍປັນຍາປະດິດຢູ່ເຮືອນ, ຜູ້ຊ່ວຍ virtual ຈະຖືກນໍາໄປຫາຂ້າງຕຽງຂອງຄົນເຈັບໃນອະນາຄົດ, ຊ່ວຍໃຫ້ແພດສາມາດນໍາໃຊ້ປັນຍາຝັງເພື່ອເຂົ້າໄປໃນຄໍາສັ່ງທາງການແພດ."
AI ຍັງສາມາດຊ່ວຍຈັດການຄໍາຮ້ອງຂໍປົກກະຕິຈາກກ່ອງຈົດຫມາຍ, ເຊັ່ນ: ການເສີມຢາແລະການແຈ້ງຜົນໄດ້ຮັບ.ມັນຍັງອາດຈະຊ່ວຍຈັດລໍາດັບຄວາມສໍາຄັນຂອງວຽກງານທີ່ຕ້ອງການຄວາມສົນໃຈຂອງແພດຫມໍຢ່າງແທ້ຈິງ, ເຮັດໃຫ້ມັນງ່າຍຂຶ້ນສໍາລັບຄົນເຈັບໃນການປຸງແຕ່ງລາຍການທີ່ຕ້ອງເຮັດຂອງພວກເຂົາ, Landman ເວົ້າຕື່ມ.
5.ຄວາມສ່ຽງຕໍ່ການຕໍ່ຕ້ານຢາຕ້ານເຊື້ອ
ການຕ້ານທານຢາຕ້ານເຊື້ອແມ່ນໄພຂົ່ມຂູ່ຕໍ່ມະນຸດທີ່ເພີ່ມຂຶ້ນ, ເພາະວ່າການໃຊ້ຢາທີ່ສໍາຄັນເຫຼົ່ານີ້ຫຼາຍເກີນໄປສາມາດນໍາໄປສູ່ການວິວັດທະນາການຂອງ superbacteria ທີ່ບໍ່ຕອບສະຫນອງຕໍ່ການປິ່ນປົວອີກຕໍ່ໄປ.ເຊື້ອແບັກທີເຣັຍທີ່ທົນທານຕໍ່ຢາຫຼາຍຊະນິດອາດຈະເຮັດໃຫ້ເກີດຄວາມເສຍຫາຍຮ້າຍແຮງໃນສະພາບແວດລ້ອມໃນໂຮງຫມໍ, ເຊິ່ງເຮັດໃຫ້ຄົນເຈັບຫຼາຍສິບພັນຄົນເສຍຊີວິດໃນແຕ່ລະປີ.Clostridium difficile ດຽວມີຄ່າໃຊ້ຈ່າຍປະມານ 5 ຕື້ໂດລາຕໍ່ປີຕໍ່ລະບົບການດູແລສຸຂະພາບຂອງສະຫະລັດແລະເຮັດໃຫ້ມີຜູ້ເສຍຊີວິດຫຼາຍກວ່າ 30000 ຄົນ.
ຂໍ້ມູນ EHR ຊ່ວຍກໍານົດຮູບແບບການຕິດເຊື້ອແລະຊີ້ໃຫ້ເຫັນຄວາມສ່ຽງກ່ອນທີ່ຄົນເຈັບຈະເລີ່ມສະແດງອາການ.ການນໍາໃຊ້ການຮຽນຮູ້ເຄື່ອງຈັກແລະເຄື່ອງມືປັນຍາປະດິດເພື່ອຂັບເຄື່ອນການວິເຄາະເຫຼົ່ານີ້ສາມາດປັບປຸງຄວາມຖືກຕ້ອງຂອງພວກເຂົາແລະສ້າງການແຈ້ງເຕືອນໄວແລະຖືກຕ້ອງກວ່າສໍາລັບຜູ້ໃຫ້ບໍລິການດ້ານສຸຂະພາບ.
ທ່ານດຣ Erica Shenoy, ຮອງຜູ້ອໍານວຍການຝ່າຍຄວບຄຸມການຕິດເຊື້ອຂອງໂຮງຫມໍທົ່ວໄປ Massachusetts (MGH).ຖ້າພວກເຂົາບໍ່ເຮັດ, ທຸກຄົນຈະລົ້ມເຫລວ.ເນື່ອງຈາກວ່າໂຮງຫມໍມີຂໍ້ມູນ EHR ຫຼາຍ, ຖ້າພວກເຂົາບໍ່ໃຊ້ມັນຢ່າງເຕັມທີ່, ຖ້າພວກເຂົາບໍ່ສ້າງອຸດສາຫະກໍາທີ່ສະຫລາດແລະໄວກວ່າໃນການອອກແບບການທົດລອງທາງດ້ານການຊ່ວຍ, ແລະຖ້າພວກເຂົາບໍ່ໃຊ້ EHRs ທີ່ສ້າງຂໍ້ມູນເຫຼົ່ານີ້, ພວກເຂົາຈະປະເຊີນກັບຄວາມລົ້ມເຫລວ."
6. ສ້າງການວິເຄາະທີ່ຖືກຕ້ອງຫຼາຍສໍາລັບຮູບພາບທາງ pathological
ທ່ານດຣ Jeffrey golden, ຫົວຫນ້າພະແນກ pathology ຂອງໂຮງຫມໍແມ່ຍິງ Brigham (BWh) ແລະອາຈານຂອງ pathology ຢູ່ HMS, ກ່າວວ່າ pathologists ສະຫນອງຫນຶ່ງໃນແຫຼ່ງຂໍ້ມູນການວິນິດໄສທີ່ສໍາຄັນທີ່ສຸດສໍາລັບການບໍລິການທາງການແພດທີ່ສົມບູນ.
"70% ຂອງການຕັດສິນໃຈໃນການດູແລສຸຂະພາບແມ່ນອີງໃສ່ຜົນໄດ້ຮັບທາງ pathological, ແລະລະຫວ່າງ 70% ແລະ 75% ຂອງຂໍ້ມູນທັງຫມົດໃນ EHRs ແມ່ນມາຈາກຜົນໄດ້ຮັບທາງ pathological," ລາວເວົ້າ.ແລະຜົນໄດ້ຮັບທີ່ຖືກຕ້ອງຫຼາຍຂຶ້ນ, ການວິນິດໄສທີ່ຖືກຕ້ອງຈະໄວຂຶ້ນ.ນີ້ແມ່ນເປົ້າຫມາຍທີ່ pathology ດິຈິຕອນແລະປັນຍາປະດິດມີໂອກາດທີ່ຈະບັນລຸໄດ້."
ການວິເຄາະລະດັບ pixels ລວງເລິກກ່ຽວກັບຮູບພາບດິຈິຕອນຂະຫນາດໃຫຍ່ເຮັດໃຫ້ທ່ານຫມໍສາມາດຮັບຮູ້ຄວາມແຕກຕ່າງເລັກນ້ອຍທີ່ອາດຈະຫນີຈາກຕາຂອງມະນຸດ.
"ຕອນນີ້ພວກເຮົາໄດ້ມາຮອດຈຸດທີ່ພວກເຮົາສາມາດປະເມີນໄດ້ດີກວ່າວ່າມະເຮັງຈະພັດທະນາຢ່າງໄວວາຫຼືຊ້າ, ແລະວິທີການປ່ຽນການປິ່ນປົວຄົນເຈັບໂດຍອີງໃສ່ສູດການຄິດໄລ່ແທນທີ່ຈະເປັນຂັ້ນຕອນທາງດ້ານຄລີນິກຫຼືການຈັດລໍາດັບ histopathological," ກ່າວ.ມັນຈະເປັນບາດກ້າວອັນໃຫຍ່ຫຼວງ."
ທ່ານກ່າວຕື່ມວ່າ, "AI ຍັງສາມາດປັບປຸງການຜະລິດໂດຍການກໍານົດລັກສະນະທີ່ມີຄວາມສົນໃຈໃນສະໄລ້ກ່ອນທີ່ແພດຫມໍຈະທົບທວນຂໍ້ມູນ. AI ສາມາດກັ່ນຕອງຜ່ານສະໄລ້ແລະນໍາພາພວກເຮົາເພື່ອເບິ່ງເນື້ອຫາທີ່ຖືກຕ້ອງເພື່ອໃຫ້ພວກເຮົາສາມາດປະເມີນສິ່ງທີ່ສໍາຄັນແລະສິ່ງທີ່ບໍ່ແມ່ນ. ນີ້ປັບປຸງ. ປະສິດທິຜົນຂອງການນໍາໃຊ້ພະຍາດແລະເພີ່ມມູນຄ່າຂອງການສຶກສາຂອງເຂົາເຈົ້າຂອງແຕ່ລະກໍລະນີ.”
ເອົາປັນຍາໄປສູ່ອຸປະກອນທາງການແພດແລະເຄື່ອງຈັກ
ອຸປະກອນອັດສະລິຍະກຳລັງຄອບຄອງສະພາບແວດລ້ອມຂອງຜູ້ບໍລິໂພກ ແລະສະໜອງອຸປະກອນຕັ້ງແຕ່ວິດີໂອແບບສົດໆພາຍໃນຕູ້ເຢັນໄປຈົນຮອດລົດທີ່ກວດພົບສິ່ງລົບກວນຂອງຜູ້ຂັບຂີ່.
ໃນສະພາບແວດລ້ອມທາງການແພດ, ອຸປະກອນອັດສະລິຍະເປັນສິ່ງຈໍາເປັນເພື່ອຕິດຕາມຄົນເຈັບຢູ່ໃນ ICU ແລະບ່ອນອື່ນໆ.ການນໍາໃຊ້ປັນຍາປະດິດເພື່ອເສີມຂະຫຍາຍຄວາມສາມາດໃນການກໍານົດການເສື່ອມສະພາບຂອງສະພາບເຊັ່ນການຊີ້ໃຫ້ເຫັນວ່າ sepsis ກໍາລັງພັດທະນາ, ຫຼືການຮັບຮູ້ຂອງອາການແຊກຊ້ອນສາມາດປັບປຸງຜົນໄດ້ຮັບຢ່າງຫຼວງຫຼາຍແລະອາດຈະຫຼຸດລົງຄ່າໃຊ້ຈ່າຍໃນການປິ່ນປົວ.
"ໃນເວລາທີ່ພວກເຮົາສົນທະນາກ່ຽວກັບການລວມຂໍ້ມູນທີ່ແຕກຕ່າງກັນໃນທົ່ວລະບົບການດູແລສຸຂະພາບ, ພວກເຮົາຈໍາເປັນຕ້ອງໄດ້ປະສົມປະສານແລະເຕືອນແພດ ICU ແຊກແຊງໄວເທົ່າທີ່ເປັນໄປໄດ້, ແລະວ່າການລວບລວມຂໍ້ມູນເຫຼົ່ານີ້ແມ່ນບໍ່ແມ່ນສິ່ງທີ່ດີທີ່ທ່ານຫມໍຂອງມະນຸດສາມາດເຮັດໄດ້," Mark Michalski ກ່າວ. , ຜູ້ອໍານວຍການບໍລິຫານຂອງສູນວິທະຍາສາດຂໍ້ມູນທາງດ້ານການຊ່ວຍຢູ່ BWh.ການໃສ່ສູດການຄິດໄລ່ອັດສະລິຍະເຂົ້າໃນອຸປະກອນເຫຼົ່ານີ້ຊ່ວຍຫຼຸດຜ່ອນພາລະທາງດ້ານສະຕິປັນຍາຕໍ່ກັບທ່ານໝໍ ແລະຮັບປະກັນວ່າຄົນເຈັບຈະໄດ້ຮັບການປິ່ນປົວໄວເທົ່າທີ່ຈະໄວໄດ້."
8.promoting immunotherapy ສໍາລັບການປິ່ນປົວມະເຮັງ
ການປິ່ນປົວດ້ວຍພູມຕ້ານທານແມ່ນຫນຶ່ງໃນວິທີທີ່ດີທີ່ສຸດໃນການປິ່ນປົວມະເຮັງ.ໂດຍການນໍາໃຊ້ລະບົບພູມຕ້ານທານຂອງຮ່າງກາຍຂອງຕົນເອງເພື່ອທໍາຮ້າຍເນື້ອງອກ malignant, ຄົນເຈັບອາດຈະສາມາດເອົາຊະນະເນື້ອງອກແຂງ.ຢ່າງໃດກໍ່ຕາມ, ມີພຽງແຕ່ຄົນເຈັບຈໍານວນຫນ້ອຍທີ່ຕອບສະຫນອງຕໍ່ການປິ່ນປົວດ້ວຍພູມຕ້ານທານໃນປະຈຸບັນ, ແລະຜູ້ຊ່ຽວຊານດ້ານ oncologist ຍັງບໍ່ມີວິທີການທີ່ຊັດເຈນແລະເຊື່ອຖືໄດ້ເພື່ອກໍານົດວ່າຄົນເຈັບຈະໄດ້ຮັບຜົນປະໂຫຍດຈາກການປິ່ນປົວ.
ສູດການຄິດໄລ່ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ ແລະຄວາມສາມາດໃນການສັງລວມຊຸດຂໍ້ມູນທີ່ມີຄວາມຊັບຊ້ອນສູງ ອາດຈະສາມາດອະທິບາຍເຖິງອົງປະກອບຂອງເຊື້ອສາຍທີ່ເປັນເອກະລັກສະເພາະຂອງບຸກຄົນ ແລະໃຫ້ທາງເລືອກໃໝ່ສໍາລັບການປິ່ນປົວຕາມເປົ້າໝາຍ.
"ບໍ່ດົນມານີ້, ການພັດທະນາທີ່ຫນ້າຕື່ນເຕັ້ນທີ່ສຸດແມ່ນຕົວຍັບຍັ້ງ checkpoint, ເຊິ່ງສະກັດທາດໂປຼຕີນທີ່ຜະລິດໂດຍຈຸລັງພູມຕ້ານທານບາງຢ່າງ," ອະທິບາຍ Dr. Long Le, ຜູ້ອໍານວຍການດ້ານພະຍາດທາງດ້ານຄອມພິວເຕີ້ແລະການພັດທະນາເຕັກໂນໂລຢີທີ່ສູນກວດພະຍາດ Massachusetts General Hospital (MGH) ອະທິບາຍ.ແຕ່ພວກເຮົາຍັງບໍ່ເຂົ້າໃຈບັນຫາທັງຫມົດ, ເຊິ່ງມັນສັບສົນຫຼາຍ.ພວກເຮົາຕ້ອງການຂໍ້ມູນຄົນເຈັບເພີ່ມເຕີມ.ການປິ່ນປົວເຫຼົ່ານີ້ແມ່ນຂ້ອນຂ້າງໃຫມ່, ດັ່ງນັ້ນບໍ່ມີຄົນເຈັບຈໍານວນຫຼາຍເອົາໃຫ້ເຂົາເຈົ້າ.ດັ່ງນັ້ນ, ບໍ່ວ່າພວກເຮົາຈໍາເປັນຕ້ອງປະສົມປະສານຂໍ້ມູນພາຍໃນອົງການຈັດຕັ້ງຫຼືທົ່ວອົງການຈັດຕັ້ງ, ມັນຈະເປັນປັດໃຈສໍາຄັນໃນການເພີ່ມຈໍານວນຄົນເຈັບເພື່ອຂັບເຄື່ອນຂະບວນການສ້າງແບບຈໍາລອງ."
9.ປ່ຽນບັນທຶກສຸຂະພາບທາງອີເລັກໂທຣນິກໃຫ້ເປັນຕົວຄາດຄະເນຄວາມສ່ຽງທີ່ເຊື່ອຖືໄດ້
ບັນທຶກສຸຂະພາບອີເລັກໂທຣນິກ (ນາງ) ເປັນຊັບສົມບັດຂອງຂໍ້ມູນຂອງຄົນເຈັບ, ແຕ່ວ່າມັນເປັນສິ່ງທ້າທາຍຄົງທີ່ສໍາລັບຜູ້ໃຫ້ບໍລິການແລະຜູ້ພັດທະນາເພື່ອສະກັດແລະວິເຄາະຂໍ້ມູນຈໍານວນຫລາຍໃນທາງທີ່ຖືກຕ້ອງ, ທັນເວລາແລະເຊື່ອຖືໄດ້.
ບັນຫາດ້ານຄຸນນະພາບແລະຄວາມສົມບູນຂອງຂໍ້ມູນ, ບວກໃສ່ກັບຄວາມສັບສົນຂອງຮູບແບບຂໍ້ມູນ, ການປ້ອນຂໍ້ມູນທີ່ມີໂຄງສ້າງແລະບໍ່ມີໂຄງສ້າງແລະບັນທຶກທີ່ບໍ່ຄົບຖ້ວນ, ເຮັດໃຫ້ມັນຍາກສໍາລັບປະຊາຊົນທີ່ຈະເຂົ້າໃຈຢ່າງຖືກຕ້ອງກ່ຽວກັບວິທີການປະຕິບັດການແບ່ງຂັ້ນຄວາມສ່ຽງທີ່ມີຄວາມຫມາຍ, ການວິເຄາະການຄາດຄະເນແລະການສະຫນັບສະຫນູນການຕັດສິນໃຈທາງດ້ານຄລີນິກ.
ທ່ານດຣ Ziad OBERMEYER, ຜູ້ຊ່ວຍສາດສະດາຈານແພດສາດສຸກເສີນຢູ່ໂຮງໝໍແມ່ຍິງ Brigham (BWh) ແລະ ຜູ້ຊ່ວຍສາດສະດາຈານຂອງໂຮງຮຽນການແພດ Harvard (HMS), ກ່າວວ່າ, "ມີບາງວຽກໜັກທີ່ຕ້ອງເຮັດເພື່ອລວມຂໍ້ມູນເຂົ້າກັນຢູ່ບ່ອນດຽວ. ແຕ່ບັນຫາອື່ນແມ່ນເຂົ້າໃຈ. ສິ່ງທີ່ຄົນໄດ້ຮັບໃນເວລາທີ່ພວກເຂົາຄາດຄະເນພະຍາດໃນບັນທຶກສຸຂະພາບເອເລັກໂຕຣນິກ (ຂອງນາງ) ປະຊາຊົນອາດຈະໄດ້ຍິນວ່າ algorithms ປັນຍາປະດິດສາມາດຄາດຄະເນການຊຶມເສົ້າຫຼືເສັ້ນເລືອດຕັນໃນ, ແຕ່ພົບວ່າພວກເຂົາຄາດຄະເນການເພີ່ມຂື້ນຂອງຄ່າໃຊ້ຈ່າຍຂອງເສັ້ນເລືອດຕັນໃນ. ເສັ້ນເລືອດຕັນໃນຕົວຂອງມັນເອງ."
ລາວໄດ້ສືບຕໍ່, "ການອີງໃສ່ຜົນໄດ້ຮັບ MRI ເບິ່ງຄືວ່າຈະສະຫນອງຊຸດຂໍ້ມູນສະເພາະຫຼາຍ. ແຕ່ຕອນນີ້ພວກເຮົາຕ້ອງຄິດກ່ຽວກັບຜູ້ທີ່ສາມາດຊື້ MRI ໄດ້? ດັ່ງນັ້ນການຄາດຄະເນສຸດທ້າຍບໍ່ແມ່ນຜົນໄດ້ຮັບທີ່ຄາດໄວ້."
ການວິເຄາະ NMR ໄດ້ຜະລິດເຄື່ອງມືການໃຫ້ຄະແນນຄວາມສ່ຽງແລະການຈັດລໍາດັບສົບຜົນສໍາເລັດຫຼາຍ, ໂດຍສະເພາະໃນເວລາທີ່ນັກຄົ້ນຄວ້ານໍາໃຊ້ເຕັກນິກການຮຽນຮູ້ເລິກເພື່ອກໍານົດການເຊື່ອມຕໍ່ໃຫມ່ລະຫວ່າງຊຸດຂໍ້ມູນທີ່ເບິ່ງຄືວ່າບໍ່ກ່ຽວຂ້ອງ.
ຢ່າງໃດກໍ່ຕາມ, OBERMEYER ເຊື່ອວ່າການຮັບປະກັນວ່າລະບົບວິທີການເຫຼົ່ານີ້ບໍ່ໄດ້ກໍານົດຄວາມລໍາອຽງທີ່ເຊື່ອງໄວ້ໃນຂໍ້ມູນແມ່ນສໍາຄັນສໍາລັບການນໍາໃຊ້ເຄື່ອງມືທີ່ສາມາດປັບປຸງການດູແລທາງດ້ານຄລີນິກຢ່າງແທ້ຈິງ.
ທ່ານກ່າວວ່າ "ສິ່ງທ້າທາຍທີ່ໃຫຍ່ທີ່ສຸດແມ່ນໃຫ້ແນ່ໃຈວ່າພວກເຮົາຮູ້ສິ່ງທີ່ພວກເຮົາຄາດຄະເນຢ່າງແນ່ນອນກ່ອນທີ່ພວກເຮົາຈະເປີດກ່ອງດໍາແລະເບິ່ງວິທີການຄາດຄະເນ,"
10. ການຕິດຕາມສະຖານະສຸຂະພາບຜ່ານອຸປະກອນສວມໃສ່ ແລະອຸປະກອນສ່ວນຕົວ
ຜູ້ບໍລິໂພກເກືອບທັງຫມົດໃນປັດຈຸບັນສາມາດນໍາໃຊ້ເຊັນເຊີເພື່ອເກັບກໍາຂໍ້ມູນກ່ຽວກັບມູນຄ່າສຸຂະພາບ.ຈາກສະມາດໂຟນທີ່ມີຕົວຕິດຕາມຂັ້ນຕອນໄປຫາອຸປະກອນທີ່ໃສ່ໄດ້ທີ່ຕິດຕາມອັດຕາການເຕັ້ນຂອງຫົວໃຈຕະຫຼອດມື້, ສາມາດສ້າງຂໍ້ມູນທີ່ກ່ຽວຂ້ອງກັບສຸຂະພາບຫຼາຍຂຶ້ນໄດ້ຕະຫຼອດເວລາ.
ການລວບລວມແລະການວິເຄາະຂໍ້ມູນເຫຼົ່ານີ້ແລະການເພີ່ມຂໍ້ມູນທີ່ສະຫນອງໃຫ້ໂດຍຄົນເຈັບໂດຍຜ່ານຄໍາຮ້ອງສະຫມັກແລະອຸປະກອນຕິດຕາມກວດກາເຮືອນອື່ນໆສາມາດສະຫນອງທັດສະນະທີ່ເປັນເອກະລັກສໍາລັບສຸຂະພາບຂອງບຸກຄົນແລະຝູງຊົນ.
AI ຈະມີບົດບາດສໍາຄັນໃນການສະກັດເອົາຄວາມເຂົ້າໃຈທີ່ສາມາດປະຕິບັດໄດ້ຈາກຖານຂໍ້ມູນຂະຫນາດໃຫຍ່ແລະຫຼາກຫຼາຍຊະນິດນີ້.
ແຕ່ທ່ານດຣ Omar arnout, ແພດຜ່າຕັດ neurosurgeon ຢູ່ໂຮງຫມໍແມ່ຍິງ Brigham (BWh), ຜູ້ອໍານວຍການ CO ຂອງສູນສໍາລັບຜົນໄດ້ຮັບ neuroscience ຄອມພິວເຕີ້, ກ່າວວ່າມັນອາດຈະໃຊ້ວຽກເພີ່ມເຕີມເພື່ອຊ່ວຍໃຫ້ຄົນເຈັບປັບຕົວເຂົ້າກັບຂໍ້ມູນການຕິດຕາມຢ່າງຕໍ່ເນື່ອງທີ່ໃກ້ຊິດ.
"ພວກເຮົາເຄີຍມີອິດສະຫຼະຫຼາຍໃນການປະມວນຜົນຂໍ້ມູນດິຈິຕອນ," ລາວເວົ້າ.ແຕ່ຍ້ອນວ່າການຮົ່ວໄຫລຂອງຂໍ້ມູນເກີດຂື້ນຢູ່ທີ່ Cambridge analytics ແລະ Facebook, ປະຊາຊົນຈະມີຄວາມລະມັດລະວັງຫຼາຍຂຶ້ນກ່ຽວກັບຜູ້ທີ່ແບ່ງປັນຂໍ້ມູນທີ່ພວກເຂົາແບ່ງປັນ."
ທ່ານກ່າວຕື່ມວ່າ, ຄົນເຈັບມີແນວໂນ້ມທີ່ຈະໄວ້ວາງໃຈທ່ານ ໝໍ ຂອງພວກເຂົາຫຼາຍກ່ວາບໍລິສັດໃຫຍ່ເຊັ່ນເຟສບຸກ, ເຊິ່ງສາມາດຊ່ວຍຫຼຸດຜ່ອນຄວາມບໍ່ສະບາຍຂອງການໃຫ້ຂໍ້ມູນສໍາລັບໂຄງການຄົ້ນຄ້ວາຂະຫນາດໃຫຍ່.
"ມັນເປັນໄປໄດ້ວ່າຂໍ້ມູນ wearable ຈະມີຜົນກະທົບຢ່າງຫຼວງຫຼາຍເນື່ອງຈາກວ່າຄວາມສົນໃຈຂອງປະຊາຊົນແມ່ນອຸບັດຕິເຫດຫຼາຍແລະຂໍ້ມູນທີ່ເກັບກໍາແມ່ນຫຍາບຄາຍຫຼາຍ," arnout ເວົ້າ.ໂດຍການເກັບກໍາຂໍ້ມູນ granular ຢ່າງຕໍ່ເນື່ອງ, ຂໍ້ມູນມີແນວໂນ້ມທີ່ຈະຊ່ວຍໃຫ້ທ່ານຫມໍດູແລຄົນເຈັບໄດ້ດີຂຶ້ນ."
11. ເຮັດໃຫ້ໂທລະສັບ smart ເປັນເຄື່ອງມືການວິນິດໄສທີ່ມີປະສິດທິພາບ
ຜູ້ຊ່ຽວຊານເຊື່ອວ່າຮູບພາບທີ່ໄດ້ຮັບຈາກໂທລະສັບສະຫມາດແລະຊັບພະຍາກອນລະດັບຜູ້ບໍລິໂພກອື່ນໆຈະກາຍເປັນສ່ວນເສີມທີ່ສໍາຄັນຕໍ່ການຖ່າຍຮູບທີ່ມີຄຸນນະພາບທາງດ້ານຄລີນິກ, ໂດຍສະເພາະໃນພື້ນທີ່ທີ່ບໍ່ໄດ້ຮັບການຄຸ້ມຄອງຫຼືປະເທດທີ່ກໍາລັງພັດທະນາ, ໂດຍການສືບຕໍ່ນໍາໃຊ້ຫນ້າທີ່ທີ່ມີປະສິດທິພາບຂອງອຸປະກອນມືຖື.
ຄຸນນະພາບຂອງກ້ອງຖ່າຍຮູບໂທລະສັບມືຖືແມ່ນການປັບປຸງໃນແຕ່ລະປີ, ແລະມັນສາມາດສ້າງຮູບພາບທີ່ສາມາດນໍາໃຊ້ສໍາລັບການວິເຄາະ AI algorithm.ແພດຜິວໜັງ ແລະສາຍຕາແມ່ນຜູ້ໄດ້ຮັບຜົນປະໂຫຍດເບື້ອງຕົ້ນຂອງແນວໂນ້ມນີ້.
ນັກຄົ້ນຄວ້າຊາວອັງກິດຍັງໄດ້ພັດທະນາເຄື່ອງມືເພື່ອກໍານົດພະຍາດທາງດ້ານການພັດທະນາໂດຍການວິເຄາະຮູບພາບຂອງໃບຫນ້າຂອງເດັກນ້ອຍ.ສູດການຄິດໄລ່ສາມາດກວດພົບລັກສະນະທີ່ແຍກກັນໄດ້, ເຊັ່ນ: ສາຍ mandible ຂອງເດັກນ້ອຍ, ຕໍາແຫນ່ງຂອງຕາແລະດັງ, ແລະຄຸນລັກສະນະອື່ນໆທີ່ອາດຈະຊີ້ໃຫ້ເຫັນເຖິງຄວາມຜິດປົກກະຕິຂອງໃບຫນ້າ.ໃນປັດຈຸບັນ, ເຄື່ອງມືສາມາດກົງກັບຮູບພາບທົ່ວໄປທີ່ມີຫຼາຍກວ່າ 90 ພະຍາດເພື່ອສະຫນອງການສະຫນັບສະຫນູນການຕັດສິນໃຈທາງດ້ານຄລີນິກ.
ທ່ານດຣ Hadi shafiee, ຜູ້ອໍານວຍການຫ້ອງການແພດຈຸລະພາກ / ນາໂນແລະຫ້ອງທົດລອງສຸຂະພາບດິຈິຕອລທີ່ໂຮງຫມໍແມ່ຍິງ Brigham (BWh), ກ່າວວ່າ "ຄົນສ່ວນໃຫຍ່ມີໂທລະສັບມືຖືທີ່ມີປະສິດທິພາບທີ່ມີເຊັນເຊີທີ່ແຕກຕ່າງກັນຫຼາຍໃນຕົວ. ມັນເປັນໂອກາດທີ່ດີສໍາລັບພວກເຮົາ. ເກືອບທັງຫມົດ. ຜູ້ນອຸດສາຫະກໍາໄດ້ເລີ່ມຕົ້ນສ້າງຊອບແວ Ai ແລະຮາດແວໃນອຸປະກອນຂອງເຂົາເຈົ້າ, ມັນບໍ່ແມ່ນເລື່ອງບັງເອີນ, ໃນໂລກດິຈິຕອນຂອງພວກເຮົາ, ຫຼາຍກ່ວາ 2.5 ລ້ານ terabytes ຂອງຂໍ້ມູນໄດ້ຖືກສ້າງຂື້ນທຸກໆມື້, ໃນພາກສະຫນາມຂອງໂທລະສັບມືຖື, ຜູ້ຜະລິດເຊື່ອວ່າພວກເຂົາເຈົ້າສາມາດນໍາໃຊ້ນີ້. ຂໍ້ມູນສໍາລັບປັນຍາປະດິດເພື່ອສະຫນອງການບໍລິການສ່ວນບຸກຄົນ, ໄວຂຶ້ນແລະສະຫລາດກວ່າ."
ການນໍາໃຊ້ໂທລະສັບສະຫມາດເພື່ອເກັບກໍາຮູບພາບຂອງຕາຂອງຄົນເຈັບ, ຜິວໜັງ, ບາດແຜ, ການຕິດເຊື້ອ, ຢາເສບຕິດຫຼືວິຊາອື່ນໆອາດຈະຊ່ວຍແກ້ໄຂການຂາດແຄນຜູ້ຊ່ຽວຊານໃນພື້ນທີ່ທີ່ບໍ່ໄດ້ຮັບການປິ່ນປົວ, ໃນຂະນະທີ່ຫຼຸດຜ່ອນເວລາໃນການວິນິດໄສບາງຄໍາຮ້ອງທຸກ.
ທ່ານ shafiee ກ່າວວ່າ "ອາດຈະມີບາງເຫດການໃຫຍ່ໃນອະນາຄົດ, ແລະພວກເຮົາສາມາດໃຊ້ໂອກາດນີ້ເພື່ອແກ້ໄຂບັນຫາທີ່ສໍາຄັນຂອງການຄຸ້ມຄອງພະຍາດຢູ່ໃນຈຸດດູແລ," shafiee ເວົ້າ.
12.ການປະດິດສ້າງການຕັດສິນໃຈທາງດ້ານຄລີນິກດ້ວຍ AI ຂ້າງຕຽງ
ໃນຂະນະທີ່ອຸດສາຫະ ກຳ ການດູແລສຸຂະພາບຫັນໄປສູ່ການບໍລິການທີ່ອີງໃສ່ຄ່າ ທຳ ນຽມ, ມັນນັບມື້ນັບຢູ່ຫ່າງຈາກການດູແລສຸຂະພາບແບບ passive.ການປ້ອງກັນກ່ອນທີ່ຈະເປັນພະຍາດຊໍາເຮື້ອ, ເຫດການພະຍາດສ້ວຍແຫຼມແລະການເສື່ອມສະພາບຢ່າງກະທັນຫັນແມ່ນເປົ້າຫມາຍຂອງຜູ້ໃຫ້ບໍລິການແຕ່ລະຄົນ, ແລະໂຄງສ້າງການຊົດເຊີຍໃນທີ່ສຸດກໍ່ອະນຸຍາດໃຫ້ພວກເຂົາພັດທະນາຂະບວນການທີ່ສາມາດບັນລຸການແຊກແຊງຢ່າງຫ້າວຫັນແລະຄາດຄະເນ.
ປັນຍາທຽມຈະສະຫນອງເຕັກໂນໂລຢີພື້ນຖານຈໍານວນຫຼາຍສໍາລັບການວິວັດທະນາການນີ້, ໂດຍການສະຫນັບສະຫນູນການວິເຄາະການຄາດຄະເນແລະເຄື່ອງມືສະຫນັບສະຫນູນການຕັດສິນໃຈທາງດ້ານຄລີນິກ, ເພື່ອແກ້ໄຂບັນຫາກ່ອນທີ່ຜູ້ໃຫ້ບໍລິການຮັບຮູ້ເຖິງຄວາມຕ້ອງການທີ່ຈະປະຕິບັດ.ປັນຍາທຽມສາມາດໃຫ້ການເຕືອນໄພເບື້ອງຕົ້ນສໍາລັບພະຍາດບ້າຫມູຫຼື sepsis, ເຊິ່ງປົກກະຕິແລ້ວຮຽກຮ້ອງໃຫ້ມີການວິເຄາະເລິກຂອງຊຸດຂໍ້ມູນທີ່ມີຄວາມຊັບຊ້ອນສູງ.
Brandon Westover, MD, ຜູ້ອໍານວຍການດ້ານຂໍ້ມູນທາງດ້ານການຊ່ວຍຂອງໂຮງຫມໍທົ່ວໄປຂອງລັດ Massachusetts (MGH), ກ່າວວ່າການຮຽນຮູ້ເຄື່ອງຈັກຍັງສາມາດຊ່ວຍສະຫນັບສະຫນູນການສະຫນອງການດູແລຢ່າງຕໍ່ເນື່ອງສໍາລັບຄົນເຈັບທີ່ເຈັບປ່ວຍຢ່າງຫນັກ, ເຊັ່ນຜູ້ທີ່ຢູ່ໃນສະພາບ coma ຫຼັງຈາກຫົວໃຈຈັບ.
ລາວໄດ້ອະທິບາຍວ່າພາຍໃຕ້ສະຖານະການປົກກະຕິ, ທ່ານຫມໍຕ້ອງກວດເບິ່ງຂໍ້ມູນ EEG ຂອງຄົນເຈັບເຫຼົ່ານີ້.ຂະບວນການນີ້ແມ່ນໃຊ້ເວລາຫຼາຍແລະເປັນຫົວຂໍ້, ແລະຜົນໄດ້ຮັບອາດຈະແຕກຕ່າງກັນກັບທັກສະແລະປະສົບການຂອງແພດ.
ທ່ານກ່າວວ່າ“ ໃນຄົນເຈັບເຫຼົ່ານີ້, ແນວໂນ້ມອາດຈະຊ້າ.ບາງຄັ້ງເມື່ອທ່ານຫມໍຕ້ອງການເບິ່ງວ່າມີຜູ້ໃດຜູ້ນຶ່ງຟື້ນຕົວ, ພວກເຂົາອາດຈະເບິ່ງຂໍ້ມູນທີ່ຖືກຕິດຕາມທຸກໆ 10 ວິນາທີ.ຢ່າງໃດກໍ່ຕາມ, ເພື່ອເບິ່ງວ່າມັນມີການປ່ຽນແປງຈາກ 10 ວິນາທີຂອງຂໍ້ມູນທີ່ເກັບກໍາໃນ 24 ຊົ່ວໂມງແມ່ນຄ້າຍຄືກັບການເບິ່ງວ່າຜົມໄດ້ເຕີບໂຕຂຶ້ນໃນລະຫວ່າງນີ້.ຢ່າງໃດກໍຕາມ, ຖ້າລະບົບປັນຍາປະດິດແລະຂໍ້ມູນຈໍານວນຫຼວງຫຼາຍຈາກຄົນເຈັບຈໍານວນຫຼາຍຖືກນໍາໃຊ້, ມັນຈະງ່າຍກວ່າທີ່ຈະກົງກັບສິ່ງທີ່ຄົນເຫັນກັບຮູບແບບໃນໄລຍະຍາວ, ແລະບາງການປັບປຸງທີ່ລະອຽດອ່ອນອາດຈະມີຜົນກະທົບຕໍ່ການຕັດສິນໃຈຂອງທ່ານຫມໍໃນການພະຍາບານ. ."
ການນໍາໃຊ້ເທກໂນໂລຍີປັນຍາປະດິດສໍາລັບການສະຫນັບສະຫນູນການຕັດສິນໃຈທາງດ້ານຄລີນິກ, ການໃຫ້ຄະແນນຄວາມສ່ຽງແລະການເຕືອນໄພເບື້ອງຕົ້ນແມ່ນຫນຶ່ງໃນບັນດາຂົງເຂດການພັດທະນາທີ່ໂດດເດັ່ນຂອງວິທີການວິເຄາະຂໍ້ມູນການປະຕິວັດນີ້.
ໂດຍການສະຫນອງພະລັງງານສໍາລັບອຸປະກອນແລະລະບົບການຜະລິດໃຫມ່, ແພດສາມາດເຂົ້າໃຈຄວາມເຈັບປ່ວຍໄດ້ດີຂຶ້ນ, ໃຫ້ບໍລິການພະຍາບານທີ່ມີປະສິດທິພາບຫຼາຍຂຶ້ນ, ແລະແກ້ໄຂບັນຫາລ່ວງຫນ້າ.ປັນຍາປະດິດຈະກ້າວໄປສູ່ຍຸກໃໝ່ຂອງການປັບປຸງຄຸນນະພາບຂອງການປິ່ນປົວທາງດ້ານຄລີນິກ, ແລະເຮັດໃຫ້ການບຸກທະລຸທີ່ໜ້າຕື່ນເຕັ້ນໃນການດູແລຄົນເຈັບ.
ເວລາປະກາດ: ສິງຫາ-06-2021
