AI transformerer sundhedsvæsenet - men ikke på de måder, du forventer  

Forestil dig dette: Det er tid til dit årlige eftersyn, så du tager billeder af dine øjne og det mærkelige hududslæt langs dine arme. AI billeddiagnostik tjek din nethinde for biomarkører for nethindesygdom 1 og bekræft, at den tørre, skællende hud højst sandsynligt er eksem - en detalje, der er gemt i din patientjournal. 

Din aftale begynder med en årlig mammografi, før din læge går ind og spørger om din seneste eksemopblussen. De lytter opmærksomt, mens du diskuterer en nylig ændring i dit søvnmønster – øjne klistret på dig i stedet for en computerskærm. Før din aftale slutter, gennemgår din læge AI-aflæsningen af ​​dit mammografi til bekræft, at dit røntgenbillede er klart 2 , hvilket giver dig et resultat inden for en time i stedet for uger. 

Når du tager afsted, kan din læge henvende sig til AI for at opsummere dine patientnotater og fremhæve eventuelle nuancer, de måtte have overset. I stedet vil de bruge ekstra tid på at analysere dine svar på spørgsmål til indtjekning og tilpasse din behandlingsplan, herunder foreslå en speciel diæt til eksem og aktuelle cremer.

Som patient vil du ikke interagere direkte med AI – i hvert fald ikke endnu – men det vil gøre din læges liv lettere, deres diagnostik mere præcis og din oplevelse mere behagelig. Velkommen til fremtidens sundhedsvæsen.

Mød eksperterne

Hvor vores sundhedssystem svigter lægerne

Diskussioner om sundhedssystemet drejer sig typisk om svigtende patienter - men vi glemmer ofte, at det også svigter vores læger. 

Udbrændthedsrater har støt stigende blandt læger i løbet af det sidste årti. I 2024 var mere end halvdelen af ​​lægerne rapporteret udbrændthed i Medscape Læge Udbrændthed og Depression Rapport – og 83 % af disse modtagere sagde, at deres udbrændthed var et direkte resultat af deres job. Hvad mere er, var kvindelige sundhedsprofessionelle endnu mere tilbøjelige til at håndtere udbrændthed.

Brian Ferguson, grundlæggeren af sundhedsteknologivirksomheden Arena Labs , kender statistikken godt. Hans virksomhed leverer datadrevne løsninger til udbrændthed ved at tilbyde træningsværktøjer og taktikker til klinikere i frontlinjen.

'Grunden til, at de fleste læger og sygeplejersker går ind i sundhedsvæsenet, er for at tage sig af patienter,' forklarer Ferguson. 'En del af udbrændthed er, at de føler, at de har fået for meget administrativ byrde. De gør ikke de ting, de har tilmeldt sig i patientbehandlingen.'

Ingen del af sygeplejeskolen eller lægeskolen træner klinikere i, hvordan de virkelig kan styre deres nervesystem, hvile, restituere, [eller] balancere energi.

Ferguson, hvis egen mor var sygeplejerske, tilbragte sin karriere i højtydende organisationer. Han så, hvordan eliteatleter, kreative og folk i militæret alle blev undervist om menneskelige faktorer (dvs. at forstå og håndtere menneskers begrænsninger).

'De bliver undervist i forbindelsen mellem hydrering og kognition, søvn og evnen til at fokusere. Disse meget grundlæggende elementer i vores medfødte fysiologi,' siger Ferguson. Alligevel er sundhedspleje en af ​​de sidste industrier, der tager højde for menneskelige faktorer.

'Ingen del af sygeplejeskolen eller lægeskolen træner klinikere i, hvordan de virkelig kan styre deres nervesystem, hvile, restituere, [eller] balancere energi,' tilføjer han.

Ikke alene koster denne udbrændthed sundhedsvæsenet mere end 260 millioner dollars årligt , men det sætter også patienterne i fare. Læger der beskæftiger sig med udbrændthed er dobbelt så stor sandsynlighed for at være involveret i en patientsikkerhedsulykke.

'En af de provokerende udtalelser, vi kommer med på Arena Labs, er, at den mindst vigtige del af patientsikkerheden er patienten. Hvis jeg er en person, der hele mit liv er fokuseret på en anden persons eksterne variabel på bekostning af mig selv, er jeg faktisk nedværdigende netop det, jeg kom for at gøre.'

5. maj

Hvordan AI kan hjælpe med udbrændthed

Reduktion af den mentale belastning af administrativt arbejde

Mange mennesker tænker måske på AI som en futuristisk robot, der udfører åben hjerteoperation eller en kompliceret spinal rekonstruktion (og ja, disse findes!), men målet med at integrere kunstig intelligens i sundhedsområdet er ikke at erstatte læger. Det er for at hjælpe dem.

'På kort sigt vil sundhedsvæsenet fortsætte med at være et menneskeligt system,' siger Ferguson. 'Uanset hvor avancerede mennesker er i stand til at komme på den teknologiske aktiveringsside og patientplejesiden, er der stadig et menneske, der styrer et andet menneske i sundhed. Selv den bedste AI kan ikke redegøre for behovet for at hjælpe det menneske, klinikeren, være deres bedste jeg.'

Så hvad betyder det for AI? De mindste støttebeløb kan gøre den største forskel. For eksempel læger bruger i gennemsnit 15,5 timer om ugen på administrative opgaver - og denne kedelige, men alligevel essentielle opgave blev det første fokus for mange AI-startups i sundhedsområdet.

Virksomheder som Freed AI, en HIPPA-kompatibel AI-skriver, lanceret i 2022 med det mål at reducere lægens papirarbejde. Dets teknologi hævder at reducere lægernes dokumentationstid med 95 % - og dette dramatiske fald afspejles i udrulningen af ​​AI-skrivere på store medicinske netværk som f.eks. Permanent lægegruppe . Gruppen udrullede AI-skrivere til mere end 10.000 læger i oktober 2023 - i april 2024 rapporterede den, at AI-skrivere sparede læger i gruppen mindst en times arbejde om dagen. 

'Jeg har hørt anekdotisk fra vores partnere, som er klinikere, hvad de værdsætter mest, er stemmegenereret AI til notetagning. Og det ser ud til at løse et problem på den mest dybtgående måde, så de kan vende tilbage til det, de ønsker. at gøre.'

Reduktion af den mentale belastning af administrativt arbejde

Ud over at spare læger for vigtig tid, åbner kunstig intelligens også døren til hurtigere diagnose - hvilket indirekte kan hjælpe med at redde liv. Anslået 795.000 patienter om året dør eller er varigt invalideret af en fejldiagnose. Selvom der ikke er nogen garanti for, at AI kan vende disse statistikker, er der lovende beviser på, at det kan hjælpe. 

En tidlig vurdering af ChatGPT i Journal of Medical Internet Research fandt, at den store sprogmodel (LLM) havde en 76,9% nøjagtighed ved diagnosticering af patienter 3 . (Store sprogmodeller er en underkategori af deep learning-maskiner, der specifikt behandler og genererer menneskeligt sprog.)

Yderligere forskning understøttede denne påstand og viste, at AI var næsten dobbelt så præcis som læger ved at stille en korrekt diagnose (59,1 mod 33,6%). Desuden antydede tidlig forskning fra 2019 AI kunne være en optimal måde at hjælpe med at diagnosticere akutte nyreskader (AKI) op til 48 timer tidligere 4 , en udfordrende bedrift, der ofte forhindrer patienter i at modtage den nødvendige pleje. 

Alligevel, på trods af al den spænding, der kan eksistere omkring AI i det medicinske rum, er der stadig begrænsninger - nemlig lægerne selv. En lille undersøgelse offentliggjort i JAMA Network Åbn sidste måned afslørede LLM gjorde faktisk ikke en væsentlig forskel 5 i at assistere læger sammenlignet med konventionelle ressourcer (selvom LLM chatbot klarede sig betydeligt bedre end læger ved solodiagnosticering ). Læger var ofte tøvende, når en LLM tilbød en anden mening end deres egen, og mange forstod ikke den rigtige måde at anspore AI på. 

Disse resultater var i modstrid med forskernes hypoteser, herunder Jonathan H. Chen, M.D., Ph.D ., en adjunkt ved Stanford Center for Biomedicinsk Informatikforskning . Holdet forventede, at chatbot AI-systemerne ville fungere godt baseret på pilotundersøgelser - og antog, at læger, der var bemyndiget med et lignende værktøj, skulle præstere bedre.

'Resultaterne fløj i øjnene af 'fundamental teorem of informatics', der antager, at kombinationen af ​​menneske plus computer burde overgå enten alene,' siger Chen. 'Selvom jeg stadig gerne vil tro, at det er sandt, viser resultaterne af denne undersøgelse, at bevidst træning, integration og evaluering er nødvendig for rent faktisk at realisere dette potentiale.'

Vi bliver alle nødt til at lære nye færdigheder i, hvordan man interagerer med chatbot AI-systemer for at skubbe og forhandle dem til at opføre sig på den måde, vi ønsker.

Selvom LLM'er har en tendens til at være i centrum for diskussionen ved diagnosticering af patienter, er de ikke de eneste værktøjer, der er tilgængelige for læger og sygeplejersker. Deep learning-systemer er også en central del af diskussionen. 

Deep learning-systemer refererer til læremaskiner, der lærer af data ved hjælp af kunstige neurale netværk. Disse AI-systemer kan opdage anæmi fra nethindebilleder 6 og afsløre tegn på diabetisk nethindesygdom 1 , samt forhøjet glykeret hæmoglobin (en indikator for høje blodsukkerniveauer og øget risiko for diabetes-relaterede sundhedsproblemer). 

Faktisk eksisterer der endda en dyb læringsmodel for at hjælpe hurtigt og præcist læse mammografi . Og ja, det viste en lignende vurdering for uddannede radiologer, når de læste de digitale mammografibilleder i fuld felt.

Der er ingen tvivl om, at AI kan og vil  revolutionere måden, patienter diagnosticeres på , men det næste år vil bane vejen for, at sundhedspraktiserende læger kan forstå, hvordan de på passende vis kan bruge kunstig intelligens til at informere og hjælpe deres diagnose. 

Hjælper læger med at gennemskue dataoverbelastning

Forbedring af diagnostik er det umiddelbare fokus for de fleste AI-forskning, men de utallige anvendelsessager til kunstig intelligens sikrer, at det er langt fra enden. AI forventes også at spille en central rolle i at transformere strålebehandling. 

En anmeldelse fra 2023 offentliggjort i Journal of Radiation Research fandt AI kunne hjælpe drastisk reducere den tid, det tager at lave en kræftbehandlingsplan fra flere dage til kun minutter, hvis ikke sekunder. 

Effekten af ​​AI går også ud over, hvordan vi modtager behandlinger, til selve skabelsen af ​​behandlingerne. Den AI-drevne bioteknologivirksomhed Insilico medicin , til en værdi af 895 millioner dollars, gennemgår i øjeblikket menneskelige forsøg for det første lægemiddel nogensinde, der er udviklet ved hjælp af generativ AI-teknologi. 

Behandlingen, ISM001-055, er beregnet til personer med idiopatisk lungefibrose (IPF), en sygdom, der rammer mere end 100.000 mennesker. Tidlige overlinjeresultater vise løfte for behandlingen, som tolereres godt af IPF-patienter.

Selv den bedste AI kan ikke redegøre for behovet for at hjælpe det menneske, klinikeren, til at være deres bedste jeg.

Hvad skal der komme

Når vi ser frem mod 2025, vil vi fortsætte med at forstå, hvordan kunstig intelligens kan hjælpe med nogle af de største komplikationer i sundhedssektoren: fejldiagnosticering, udbrændthed og generel forskning. Alligevel vil det også blive klart, hvor meget træning der er nødvendig for at sikre, at den AI, der er tilgængelig ved vores fingerspidser, udnyttes effektivt.

Mangel på tekniske færdigheder plager allerede sundhedsindustrien. Da AI-investeringer stiger fra milliarder i 2024 til næsten 0 milliarder inden for de næste fem år, vil uddannelse af kvalificeret arbejdsstyrke, der kan bruge AI til at forbedre dokumentation, kommunikation og arbejdsgange, være en nødvendighed for sundhedsindustrien. 

'Sundhedspleje er på mange måder en arveorganisation. Den er tech-mættet, så det er meget arbejde at adoptere ny teknologi, og mange gange bliver det arbejde ikke gjort godt,' forklarer Ferguson.

Han peger på introduktionen af ​​Da Vinci Robotic Surgical Systems, som giver mulighed for en minimalt invasiv kirurgisk tilgang. Da de blev introduceret til operationsstuen, klagede mange læger over, at teknologien var dårlig eller ikke fungerede godt. Robotsystemerne blev simpelthen tilføjet til det eksisterende OR-setup, da de faktisk krævede et helt andet setup for at trives.

For at sikre, at AI kan hjælpe klinikerens succes, er det vigtigt, at teknologien implementeres korrekt (ellers besejrer vi formålet).

'Hvis jeg bruger AI til at tage mine noter, betyder det, at mine arbejdsgange skal ændres, og jeg er nødt til at give plads til at tage den automatisering og på en eller anden måde bringe den tilbage i løkken. Det kræver normalt mere arbejde, end der tages højde for. , og hvis det ikke er gjort godt, lægger det mere stress på det menneskelige system.'

I de kommende år skal læger i sundhedssektoren lære at bruge kunstig intelligens – noget Chen sammenligner med introduktionen af ​​internettet.

'Selvom vi tager for givet daglige onlineaktiviteter som at søge på internettet, browse gennem artikler og indsende onlinetransaktioner, er disse alle tilegnede færdigheder, som vi har lært at gøre (og vores tidligere jeg for 35 år siden ville ikke have vidst, hvordan vi skulle). ' siger Chen. 'På samme måde forventer jeg, at vi alle bliver nødt til at lære nye færdigheder i, hvordan man interagerer med chatbot AI-systemer for at skubbe og forhandle dem til at opføre sig på den måde, vi ønsker.'

Så hvad betyder det for den førnævnte AI-infunderede dag hos lægen? Nå, vi er sandsynligvis langt væk, før det bliver en realitet. For nu argumenterer Ferguson: 'Den bedste rolle for kunstig intelligens er at gøre mennesket mere menneskeligt.'

Dette betyder at reducere den kognitive belastning af klinikere, hjælpe med at gøre deres dag mindre stressende og i sidste ende hjælpe denne servicearketype med at vende tilbage til deres primære formål: at hjælpe andre mennesker.

21. november stjernetegn