AI kan til og med hjelpe menneskeheten tilbake på sporet for å nå FNs bærekraftsmål om universell helsedekning innen 2030.
Til tross for de raske teknologiske fremskrittene er helsesektoren imidlertid «under gjennomsnittet» i sin adopsjon av AI sammenlignet med andre bransjer, ifølge en rapport fra World Economic Forum med tittelen «The Future of AI-Based Healthcare: Leading the Way».
Ifølge rapporten handler «AI-drevet transformasjon ikke bare om å ta i bruk nye verktøy, men krever at man tenker nytt om hele måten helsetjenester leveres og tilgås på.»
Med et anslått marked for AI-generert helsevesen som vil nå 2,7 milliarder dollar i år – og nesten 17 milliarder dollar innen 2034 – er det noen måter AI transformerer helsevesenet på:
AI kan analysere hjernebilder.
Et nytt AI-programvareprogram er dobbelt så nøyaktig som eksperter på å analysere hjernebilder av slagpasienter. To universiteter i Storbritannia trente programvaren på 800 hjerneskanninger og testet den deretter på 2000 pasienter. Resultatene var imponerende. I tillegg til den høye nøyaktigheten, var programvaren også i stand til å identifisere tidsrammen for hjerneslag – en avgjørende faktor for leger.
Nevrolog Paul Bentley uttalte til Health Tech Newspaper: «For de aller fleste slag forårsaket av blodpropp, er pasienter kvalifisert for både medisiner og kirurgi hvis de ankommer sykehuset innen 4,5 timer etter hjerneslaget. Innen 6 timer er kirurgi fortsatt mulig, men etter det tidspunktet blir behandlingsbeslutninger vanskeligere fordi mange tilfeller er irreversible. Derfor er det avgjørende å nøyaktig bestemme debut og potensial for bedring.»
AI oppdager beinbrudd bedre enn mennesker.
Bruk av kunstig intelligens til innledende analyse kan bidra til å unngå unødvendige røntgenbilder og minimere risikoen for å overse brudd. National Institute for Health and Care Excellence (NICE) i Storbritannia sier at teknologien er trygg, pålitelig og kan redusere antall oppfølgingsbesøk.
Vurdering av ambulansebehov ved hjelp av kunstig intelligens.
I Storbritannia blir rundt 350 000 mennesker fraktet til sykehus med ambulanse hver måned. Avgjørelsen om hvem som må overføres til et annet sykehus ligger hos det medisinske personellet før innleggelsen, midt i en konstant mangel på sykehussenger. En studie i Yorkshire (Nord-England) viste at i 80 % av tilfellene kunne AI nøyaktig forutsi hvilke pasienter som måtte overføres. AI-modellen ble trent basert på faktorer som mobilitet, hjertefrekvens, oksygennivå i blodet og brystsmerter – det er verdt å merke seg at AI-en ikke viste noen skjevhet i databehandlingen.
Tidlig oppdagelse av over 1000 sykdommer.
En ny maskinlæringsmodell fra AstraZeneca har potensial til å oppdage sykdom før pasienter opplever symptomer. Basert på medisinske data fra 500 000 personer i en britisk medisinsk database, kan modellen «forutsi en diagnose med høy sikkerhet år senere».
En annen studie i Storbritannia fant at et AI-verktøy kunne oppdage 64 % av epileptiske hjerneskader som radiologer tidligere hadde oversett. Trent med over 1100 MR-skanninger av voksne og barn globalt, oppdaget AI-en ikke bare lesjoner raskere, men identifiserte også svært små eller skjulte lesjoner som er usynlige for det menneskelige øyet.
Medisinske chatboter støtter klinisk beslutningstaking.
Leger må ta raske og nøyaktige beslutninger, og selv om kunstig intelligens kan bidra til å fremskynde prosessen, medfører den også risikoen for å gi unøyaktig eller partisk informasjon.
En amerikansk studie viste at standard store språkmodeller (LLM-er) som ChatGPT, Claude eller Gemini ikke kan gi leger komplette og vitenskapelig baserte svar. ChatRWD – et generativt system med forbedret informasjonsgjenfinning – presterte imidlertid bedre, med 58 % av svarene nyttige (sammenlignet med 2–10 % fra konvensjonelle LLM-er).
Digitale grensesnitt blir også tatt i bruk for å støtte pasienttriage. En rapport fra 2024 fra World Economic Forums Digital Health Transformation Initiative slår fast at den digitale pasientplattformen Huma kan bidra til å redusere reinnleggelsesrater med 30 %, redusere tiden det tar for leger å vurdere pasienter med opptil 40 % og «redusere arbeidsmengden for helsepersonell».
Rapporten forventer at fremtidige teknologier vil «dramatisk forandre helseopplevelsen for pasienter. Friske individer kan bruke overvåkingsenheter for å optimalisere sin fysiske og mentale helse, mens de med helseproblemer vil ha tilgang til en rekke digitale løsninger.»
(Ifølge Weforum.org)
Kilde: https://vietnamnet.vn/cach-ai-dang-lam-thay-doi-nganh-y-te-2386768.html
Kommentar (0)