Η Τεχνητή Νοημοσύνη θα μπορούσε ακόμη και να βοηθήσει την ανθρωπότητα να επανέλθει σε τροχιά επίτευξης του στόχου βιώσιμης ανάπτυξης των Ηνωμένων Εθνών για καθολική υγειονομική κάλυψη έως το 2030.

Διαγωνισμός Τεχνητής Νοημοσύνης.jpg
Η τεχνητή νοημοσύνη βοηθά στην αξιολόγηση των αναγκών σε ασθενοφόρα. Φωτογραφία: Weforum.org.

Ωστόσο, παρά τις ραγδαίες τεχνολογικές εξελίξεις, ο τομέας της υγειονομικής περίθαλψης βρίσκεται «κάτω του μέσου όρου» στην υιοθέτηση της Τεχνητής Νοημοσύνης σε σύγκριση με άλλους κλάδους, σύμφωνα με έκθεση του Παγκόσμιου Οικονομικού Φόρουμ με τίτλο «Το μέλλον της υγειονομικής περίθαλψης που βασίζεται στην Τεχνητή Νοημοσύνη: Ανοίγοντας τον Δρόμο».

Σύμφωνα με την έκθεση, «ο μετασχηματισμός που βασίζεται στην Τεχνητή Νοημοσύνη δεν αφορά μόνο την υιοθέτηση νέων εργαλείων, αλλά απαιτεί επανεξέταση ολόκληρου του τρόπου παροχής και πρόσβασης στην υγειονομική περίθαλψη».

Με την αγορά υγειονομικής περίθαλψης που παράγεται από την Τεχνητή Νοημοσύνη να προβλέπεται να φτάσει τα 2,7 δισεκατομμύρια δολάρια φέτος - και σχεδόν τα 17 δισεκατομμύρια δολάρια έως το 2034 - ακολουθούν μερικοί τρόποι με τους οποίους η Τεχνητή Νοημοσύνη μεταμορφώνει τον κλάδο της υγειονομικής περίθαλψης:

Η τεχνητή νοημοσύνη μπορεί να αναλύσει εικόνες εγκεφάλου.

Ένα νέο λογισμικό τεχνητής νοημοσύνης είναι διπλάσιας ακρίβειας από τους ειδικούς στην ανάλυση εικόνων εγκεφάλου ασθενών με εγκεφαλικό επεισόδιο. Δύο πανεπιστήμια στο Ηνωμένο Βασίλειο εκπαίδευσαν το λογισμικό σε 800 σαρώσεις εγκεφάλου και στη συνέχεια το δοκίμασαν σε 2.000 ασθενείς. Τα αποτελέσματα ήταν εντυπωσιακά. Εκτός από την υψηλή ακρίβειά του, το λογισμικό ήταν επίσης σε θέση να προσδιορίσει το χρονικό πλαίσιο εμφάνισης του εγκεφαλικού επεισοδίου - ένας κρίσιμος παράγοντας για τους γιατρούς.

Ο νευρολόγος Paul Bentley δήλωσε στην εφημερίδα Health Tech: «Για τη συντριπτική πλειοψηφία των εγκεφαλικών επεισοδίων που προκαλούνται από θρόμβους αίματος, εάν οι ασθενείς φτάσουν στο νοσοκομείο εντός 4,5 ωρών από το εγκεφαλικό επεισόδιο, είναι επιλέξιμοι τόσο για φαρμακευτική αγωγή όσο και για χειρουργική επέμβαση. Εντός 6 ωρών, η χειρουργική επέμβαση είναι ακόμα δυνατή, αλλά μετά από αυτό το σημείο, οι αποφάσεις για τη θεραπεία γίνονται πιο δύσκολες επειδή πολλές περιπτώσεις είναι μη αναστρέψιμες. Επομένως, ο ακριβής προσδιορισμός της έναρξης και της δυνατότητας ανάρρωσης είναι ζωτικής σημασίας».

Η τεχνητή νοημοσύνη ανιχνεύει τα κατάγματα των οστών καλύτερα από τους ανθρώπους.

Η χρήση της τεχνητής νοημοσύνης για την αρχική ανάλυση θα μπορούσε να βοηθήσει στην αποφυγή περιττών ακτινογραφιών και στην ελαχιστοποίηση του κινδύνου παράβλεψης καταγμάτων. Το Εθνικό Ινστιτούτο Υγείας και Αριστείας Φροντίδας (NICE) στο Ηνωμένο Βασίλειο αναφέρει ότι η τεχνολογία είναι ασφαλής, αξιόπιστη και θα μπορούσε να μειώσει τον αριθμό των επισκέψεων παρακολούθησης.

Αξιολόγηση αναγκών σε ασθενοφόρα με χρήση Τεχνητής Νοημοσύνης.

Στο Ηνωμένο Βασίλειο, περίπου 350.000 άτομα μεταφέρονται σε νοσοκομείο με ασθενοφόρο κάθε μήνα. Η απόφαση για το ποιος πρέπει να μεταφερθεί σε άλλο νοσοκομείο εναπόκειται στο προνοσοκομειακό ιατρικό προσωπικό, εν μέσω συνεχούς έλλειψης νοσοκομειακών κλινών. Μια μελέτη στο Γιορκσάιρ (βόρεια Αγγλία) έδειξε ότι στο 80% των περιπτώσεων, η Τεχνητή Νοημοσύνη μπορούσε να προβλέψει με ακρίβεια ποιοι ασθενείς έπρεπε να μεταφερθούν. Το μοντέλο Τεχνητής Νοημοσύνης εκπαιδεύτηκε με βάση παράγοντες όπως η κινητικότητα, ο καρδιακός ρυθμός, τα επίπεδα οξυγόνου στο αίμα και ο πόνος στο στήθος - αξιοσημείωτο είναι ότι η Τεχνητή Νοημοσύνη δεν έδειξε μεροληψία στην επεξεργασία δεδομένων.

Έγκαιρη ανίχνευση άνω των 1.000 ασθενειών.

Ένα νέο μοντέλο μηχανικής μάθησης από την AstraZeneca έχει τη δυνατότητα να ανιχνεύει ασθένειες πριν οι ασθενείς εμφανίσουν οποιαδήποτε συμπτώματα. Με βάση ιατρικά δεδομένα από 500.000 άτομα σε μια ιατρική βάση δεδομένων του Ηνωμένου Βασιλείου, το μοντέλο μπορεί να «προβλέψει με υψηλή βεβαιότητα μια διάγνωση χρόνια αργότερα».

Μια άλλη μελέτη στο Ηνωμένο Βασίλειο διαπίστωσε ότι ένα εργαλείο τεχνητής νοημοσύνης μπορούσε να ανιχνεύσει το 64% των επιληπτικών εγκεφαλικών βλαβών που οι ακτινολόγοι είχαν προηγουμένως παραβλέψει. Εκπαιδευμένη με πάνω από 1.100 μαγνητικές τομογραφίες ενηλίκων και παιδιών παγκοσμίως, η τεχνητή νοημοσύνη όχι μόνο ανίχνευσε βλάβες πιο γρήγορα, αλλά και εντόπισε πολύ μικρές ή κρυφές βλάβες αόρατες στο ανθρώπινο μάτι.

Τα ιατρικά chatbots υποστηρίζουν τη λήψη κλινικών αποφάσεων.

Οι γιατροί πρέπει να λαμβάνουν γρήγορες και ακριβείς αποφάσεις και, ενώ η Τεχνητή Νοημοσύνη μπορεί να βοηθήσει στην επιτάχυνση της διαδικασίας, ενέχει επίσης τον κίνδυνο παροχής ανακριβών ή μεροληπτικών πληροφοριών.

Μια αμερικανική μελέτη έδειξε ότι τα τυπικά μοντέλα μεγάλης γλώσσας (LLM) όπως τα ChatGPT, Claude ή Gemini δεν μπορούν να παρέχουν στους γιατρούς ολοκληρωμένες και επιστημονικά τεκμηριωμένες απαντήσεις. Ωστόσο, το ChatRWD - ένα γενετικό σύστημα με βελτιωμένη ανάκτηση πληροφοριών - είχε καλύτερη απόδοση, με το 58% των απαντήσεων να είναι χρήσιμες (σε σύγκριση με το 2%-10% των συμβατικών LLM).

Ψηφιακές διεπαφές αναπτύσσονται επίσης για την υποστήριξη της διαλογής ασθενών. Μια έκθεση του 2024 από την Πρωτοβουλία Ψηφιακού Μετασχηματισμού της Υγείας του Παγκόσμιου Οικονομικού Φόρουμ αναφέρει ότι η ψηφιακή πλατφόρμα ασθενών Huma θα μπορούσε να βοηθήσει στη μείωση των ποσοστών επανεισαγωγής κατά 30%, στη μείωση του χρόνου εξέτασης από τον γιατρό έως και 40% και στη «μείωση του φόρτου εργασίας για το προσωπικό υγειονομικής περίθαλψης».

Η έκθεση προβλέπει ότι οι μελλοντικές τεχνολογίες θα «μεταμορφώσουν δραματικά την εμπειρία υγειονομικής περίθαλψης για τους ασθενείς. Τα υγιή άτομα μπορούν να χρησιμοποιούν συσκευές παρακολούθησης για να βελτιστοποιήσουν τη σωματική και ψυχική τους υγεία, ενώ όσοι έχουν προβλήματα υγείας θα έχουν πρόσβαση σε μια σειρά από ψηφιακές λύσεις».

(Σύμφωνα με το Weforum.org)

Πηγή: https://vietnamnet.vn/cach-ai-dang-lam-thay-doi-nganh-y-te-2386768.html