الإمكانات التحويلية للذكاء الاصطناعي في تقديم الرعاية الصحية وإدارتها

هذا مقتطف من ورقة بيضاء حديثة مكتوبة باستخدام دينيس تشورنينكي، كبير مستشاري الذكاء الاصطناعي، جامعة كاليفورنيا في ديفيس هيلث و ديفيد لوبارسكي، نائب رئيس قسم علوم الصحة البشرية والرئيس التنفيذي لجامعة كاليفورنيا في ديفيس هيلث. لقراءة الورقة البيضاء كاملة، انقر هنا.

ومن شأن نموذج حوكمة الذكاء الاصطناعي الفعال أن يسمح للأنظمة الصحية بالاستفادة من التقنيات المبتكرة، مع تخفيف المخاطر التي يتعرض لها المرضى. كان هناك الكثير من العناوين الرئيسية التي تجذب الانتباه حول حلول الذكاء الاصطناعي محل الأطباء، ولكن السيناريو الأكثر ترجيحًا هو أنه يعمل كمساعد – مما يزيد من قدرة الأطباء وفرق الرعاية على خدمة المزيد من المرضى بطرق أكثر تخصيصًا. يسلط الرسم البياني أدناه الضوء على بعض الطرق الرئيسية التي قد يحدث بها ذلك.

	عدم تناسق معلومات العنوان وتمكين قدر أكبر من المعرفة الصحية والدفاع عن الذات لدى المريض من خلال توفير معلومات سريعة باللغة البسيطة للمرضى حول حالتهم بالإضافة إلى الوصول إلى آراء ثانية. جسر اللغة والحواجز الثقافية من خلال تسهيل الوصول إلى أدوات الترجمة في نقطة الرعاية. تحسين الوصول إلى الرعاية في المجتمعات المحرومة: يمكن استخدام روبوتات الدردشة المدعمة بالذكاء الاصطناعي والخوارزميات التشخيصية وأدوات مراقبة المرضى عن بعد لزيادة الوصول إلى الرعاية الأولية والمتخصصة في المناطق الجغرافية التي تعاني من نقص في مقدمي الخدمات.
	تعزيز القدرة على التنبؤ بالأمراض والوقاية منها: يمكن لأدوات الذكاء الاصطناعي تحليل كميات هائلة من البيانات الطبية، مما يتيح تنبؤات أكثر دقة بالمرض أو إعادة القبول بناءً على عوامل الخطر التي قد لا تكون واضحة بسهولة للمراقبين البشريين. تحسين مشاركة المريض من خلال توفير الوصول السريع إلى معلومات مخصصة حول عوامل الخطر والاستراتيجيات للمرضى لمنع التصعيد – بلغة يسهل الوصول إليها. السماح بإجراء تقييمات ورصد أكثر سرعة واعتمادًا على البيانات لاحتياجات الصحة العامة لتوجيه قرارات السياسات وتخصيص الموارد: يمكن أن تكون أدوات الذكاء الاصطناعي مفيدة في التنبؤ بتفشي المرض والتنبؤ بالطلب على خدمات الصحة العامة.
	تعزيز دقة التشخيص: يعد التشخيص الخاطئ مشكلة مهمة في مجال الرعاية الصحية، حيث يتراوح معدل انتشاره من 5% إلى 20%، اعتمادًا على المرض أو الحالة.1 يمكن أن يكون للتشخيص الخاطئ عواقب وخيمة، مما يؤدي إلى تأخير العلاج أو غير مناسب، وإجراءات غير ضرورية، وزيادة تكاليف الرعاية الصحية والإضرار بالمريض. أظهرت الدراسات أن أدوات الذكاء الاصطناعي يمكن أن تتجاوز الدقة التشخيصية للأطباء البشريين في حالات معينة. ومع الذكاء الاصطناعي، يتمتع الأطباء بميزة “مساعد الطيار” المدرب، ويمكن للمرضى الاستفادة من التشخيصات المدعومة بالبيانات في الوقت المناسب. زيادة الوصول إلى التشخيصات المتخصصة: يمكن لخوارزميات الذكاء الاصطناعي تقييم الصور التشخيصية والمؤشرات الحيوية بسرعة لعوامل خطر المرض، مما يسمح بإنتاجية أكبر للفحوصات التشخيصية وتوفير وقت الطبيب للتركيز على الحالات الإيجابية الحقيقية والحالات المعقدة. أصبح بإمكان الأشخاص في المناطق الريفية أو النائية أو المناطق التي تعاني من نقص الخدمات الوصول إلى مراجعة على مستوى متخصص لاختباراتهم التشخيصية دون الحاجة إلى السفر، وذلك بفضل الذكاء الاصطناعي. يعمل أحد الأنظمة الصحية على تطوير أداة تشخيصية تعتمد على الذكاء الاصطناعي، وتقوم بتحليل المؤشرات الحيوية الصوتية للتنبؤ بمرض الشريان التاجي.2
	توفير تخطيط علاج فعال وشخصي: وتمكنت الأدوات المعتمدة على الذكاء الاصطناعي أيضًا من تسريع عملية تخطيط العلاج، على سبيل المثال، تقليل تخطيط العلاج بالعلاج الإشعاعي من أيام إلى مجرد دقائق.3 تمكين الوصول إلى دعم القرار بجانب السرير: مؤلفو “النماذج الأساسية للذكاء الاصطناعي الطبي العام” وصف مستقبل محتمل حيث لا يستطيع الذكاء الاصطناعي تقديم إنذار مبكر لحدث سلبي فحسب، بل يوفر أيضًا الأساس المنطقي ونقاط البيانات لدعم تقييمه، والتوصية بمسار للتدخل، مدفوعًا بأحدث الأدلة السريرية.4 إجراءات الزيادة: واليوم، توفر الروبوتات الجراحية بالفعل مراقبة للحالات عن بعد. في المستقبل، قد تتمكن الروبوتات الجراحية من إضافة تعليقات توضيحية لتدفقات الفيديو الخاصة بالإجراءات في الوقت الفعلي أو إصدار تنبيهات عند حذف خطوات الإجراء.5 السماح بتعزيز مراقبة المريض عن بعد: تواصل الشركات تطوير القدرة على مراقبة المرضى الذين يعانون من حالات مزمنة عن بعد، من خلال تتبع بيانات المؤشرات الحيوية المقدمة من خلال التقنيات القابلة للارتداء أو التقاط الصور عبر الهاتف. يمكن لهذه التقنيات أن تؤدي إلى تدخل المريض أو الطبيب لمعالجة المخاوف في الوقت الفعلي. توفير الوصول إلى معلومات العلاج من خلال Chatbots التي تواجه المريض: تمكن LLMs من إنشاء روبوتات الدردشة التي يمكنها الرد على استفسارات المرضى وتقديم التوجيه. هناك عدد لا يحصى من قضايا المسؤولية التي يتعين العمل من خلالها، ولكن على المستوى الأساسي، يمكن أن تكون النماذج القوية والمختبرة جيدًا مصدرًا مهمًا للمعلومات للمرضى للتعرف على خيارات العلاج.
	توفير أدوات نسخ الملاحظات: يمكن استخدام الذكاء الاصطناعي في أدوات نسخ الملاحظات لتحويل المعلومات الطبية المنطوقة تلقائيًا إلى نص مكتوب، مما قد يعزز الكفاءة والدقة في التوثيق الطبي. تسهيل التنبؤ بالطلب: تستخدم أدوات التنبؤ بالطلب النمذجة التنبؤية لتقدير الطلب المستقبلي على المرضى، مما يمكّن مؤسسات الرعاية الصحية من تحسين جدولة الموظفين. دعم الفواتير والترميز: يمكن استخدام الذكاء الاصطناعي لأتمتة وتبسيط الفواتير الطبية والترميز. باستخدام أدوات الترميز التلقائي المدعومة بالذكاء الاصطناعي، يمكن لمتخصصي إعداد الفواتير الطبية قضاء بعض الوقت في التحقق من الترميز بدلاً من إدخال البيانات يدويًا. تمثل إدارة دورة الإيرادات نفقة كبيرة للأنظمة الصحية.
	تحديد المرضى للتجارب السريرية: يمكن استخدام الذكاء الاصطناعي لفرز بيانات السجل الصحي الإلكتروني للمرضى لتحديد أولئك الذين قد يكونون مؤهلين للتجارب السريرية، مما قد يؤدي إلى زيادة عدد المرضى الممثلين تمثيلاً ناقصًا تاريخيًا في التجارب السريرية. دعم اكتشاف الأدوية وتطويرها: ويمكن استخدام الذكاء الاصطناعي لدعم تحديد أهداف الدواء، والتنبؤ بالفعالية، وتخصيص تنبؤات الاستجابة للأدوية، ومراقبة سلامة الدواء والأحداث الضارة، من بين أمور أخرى.6

_{¹ نيومان توكر، DE، وانغ، Z.، تشو، Y.، ناصري، N.، صابر طهراني، AS، شيفر، AC، يو مو، CW، كليمنس، GD، فاناي، M.، وسيغال، D. (2021)، معدل الأخطاء التشخيصية والأضرار الجسيمة المرتبطة بالتشخيص الخاطئ لأحداث الأوعية الدموية الكبرى والالتهابات والسرطانات: نحو تقدير معدل الإصابة الوطني باستخدام “الثلاثة الكبار”. التشخيص (برلين، ألمانيا). https://pubmed.ncbi.nlm.nih.gov/32412440/}

_{² مالوي، ت. (2022، 26 أبريل). يستخدم الذكاء الاصطناعي المؤشرات الحيوية الصوتية للتنبؤ بمرض الشريان التاجي – شبكة أخبار Mayo Clinic. مايو كلينيك. https://newsnetwork.mayoclinic.org/discussion/ai-uses-voice-biomarkers-to-predict-coronary-artery-disease/}

_{³ Meskó, B., Görög, M. (2020) دليل مختصر للعاملين في المجال الطبي في عصر الذكاء الاصطناعي. Npj الطب الرقمي 3، 126. https://doi.org/10.1038/s41746-020-00333-z}

_{⁴ مور، إم، بانيرجي، أو.، أباد، زي إس، كرومهولز، إتش إم، ليسكوفيك، جيه.، توبول، إي جيه، وراجبوركار، بي. (2023). النماذج الأساسية للذكاء الاصطناعي الطبي العام. المكتبة الوطنية للطب، 616(7956)، 259-265. https://doi.org/10.1038/s41586-023-05881-4}

_{⁵ المرجع نفسه.}

_{⁶ سينغ، إس، كومار، آر، بايرا، إس، وسينغ، إس كيه (2023). الذكاء الاصطناعي والتعلم الآلي في البحوث الدوائية: سد الفجوة بين البيانات واكتشاف الأدوية. علاج لنا. https://doi.org/10.7759/cureus.44359}