AI Generatif dalam Penjagaan Kesihatan: Kes Penggunaan & Aplikasi Dunia Sebenar

Penjanaan data

AI seperti chatbot AI perubatan memerlukan set data yang besar dan pelbagai untuk dipelajari tetapi undang-undang privasi pesakit seperti HIPAA menyukarkan untuk berkongsi data klinikal sebenar merentas institusi. Di situlah AI generatif untuk penjanaan data sintetik masuk.

Daripada mengakses rekod pesakit sebenar, penyelidik menggunakan model generatif yang dilatih pada set data yang tidak dikenal pasti . Model ini mempelajari corak bagaimana penyakit berkembang, cara simptom berkait dengan keputusan makmal dan cara rawatan mempengaruhi hasil. Kemudian, mereka menjana rekod pesakit sintetik sepenuhnya yang kelihatan dan berkelakuan seperti data sebenar tetapi tidak terikat dengan mana-mana individu.

Katakan sebuah hospital ingin melatih model AI untuk mengesan tanda-tanda awal sepsis. Ia hanya mempunyai 200 kes. Itu tidak mencukupi. Jadi model AI menganalisis 200 kes sebenar tersebut dan menjana beribu-ribu kes sintetik:

• Sesetengah menunjukkan simptom sepsis biasa.
• Yang lain meniru kombinasi yang jarang berlaku seperti demam tertunda serta organ vital yang tidak normal tiga hari kemudian.
• Beberapa malah mensimulasikan pesakit dengan simptom yang mengelirukan, membantu menguji kes-kes kelebihan.

Rekod sintetik ini bukan milik sesiapa – tetapi ia berkelakuan seperti data sebenar.

Ini membuka kunci cara baharu untuk menguji idea dan meneroka senario "bagaimana jika" dalam bidang perubatan tanpa meletakkan privasi pesakit pada risiko.

Diagnosis perubatan

Di AS, hospital seperti Mayo Clinic dan Mass General Brigham sedang menyalurkan data pesakit tanpa nama seperti MRI, imbasan CT, keputusan makmal dan nota klinikal, ke dalam alat diagnostik AI. 

Malah, 65% daripada hospital AS sudah menggunakan model AI ramalan dalam beberapa bahagian aliran kerja diagnostik mereka.

Satu bidang yang dilihat sangat cepat diterima pakai ialah radiologi, di mana AI membantu pakar perubatan melampaui batas mata manusia. Algoritma dilatih untuk membina semula imej kabur dan menyerlahkan kawasan yang membimbangkan seperti tumor atau patah tulang.

Tetapi aplikasi yang paling berkesan tidak berhenti pada satu imej. Model bahasa yang besar boleh menggabungkan data merentas pelbagai sumber daripada laporan radiologi dan nota doktor kepada nilai makmal, preskripsi dan vital pesakit, untuk membina gambaran yang lebih lengkap.

Bayangkan rekod pesakit yang berbunyi: "Sesak nafas ringan selama dua minggu, berdehit baru, tiada sejarah asma."

Pembantu AI mungkin mengenali corak berpotensi untuk kegagalan jantung awal. Ia kemudian menyemak nilai makmal Natriuretic Peptide jenis B terkini (digunakan untuk mengesan tekanan jantung) dan sejarah ubat. Jika pesakit berumur lebih dari 65 tahun, sistem mungkin mengutamakan kegagalan jantung sebagai lebih berkemungkinan daripada asma, dan tandakan ini untuk semakan doktor.

Penemuan dadah

Pada tahun 2020, saintis di MIT dan Harvard menggunakan AI generatif untuk mengenal pasti antibiotik baharu , halicin, yang boleh membunuh bakteria tahan dadah. 

Penemuan AI jenis ini mengubah cara ahli kimia dan penyelidik farmaseutikal mendekati salah satu bahagian perubatan yang paling mahal dan memakan masa.

Membangunkan satu ubat, termasuk kos calon yang gagal, boleh dijalankan di mana-mana dari $1 hingga $2 bilion USD . Secara tradisinya, ia adalah permainan nombor: menapis beribu-ribu kompaun, menjalankan percubaan demi percubaan, dan berharap satu mencapai sasaran. 

AI Generatif menjadikan proses secara dramatik lebih pantas. Penyelidik bermula dengan gesaan penemuan ubat seperti "Reka bentuk molekul yang menghalang mutasi KRAS G12C dalam kanser paru-paru tetapi tidak menjejaskan sel yang sihat." 

Gesaan ini dimasukkan ke dalam model generatif yang dilatih mengenai pangkalan data struktur kimia, interaksi protein dan kesan sampingan yang diketahui. Dalam beberapa jam, model itu mencadangkan struktur molekul baharu sepenuhnya yang memenuhi kriteria tersebut dengan beberapa diilhamkan oleh sebatian sedia ada manakala yang lain benar-benar baru. 

Penyelidik kemudiannya boleh mensimulasikan cara molekul ini mengikat kepada protein sasaran , mengecilkan senarai sebelum mereka menjalankan eksperimen makmal.

Ia berfungsi dengan cara lain juga. Jika penyelidik memasukkan data ekspresi gen daripada pesakit yang sakit, model itu boleh menyimpulkan jenis sebatian yang mungkin membetulkan disfungsi asas, walaupun sebatian itu belum wujud lagi.

Dokumentasi klinikal 

Daripada menghabiskan berjam-jam menyisir rekod kesihatan elektronik (EHR), doktor kini boleh menerima ringkasan segera yang memaparkan maklumat penting seperti diagnosis, ubat, aliran makmal dan sejarah rawatan.

Ringkasan ini membantu penyedia mendapatkan kelajuan yang lebih pantas, terutamanya semasa perubahan syif atau jumlah pesakit yang tinggi.

Selain menambah baik akses maklumat, alatan ini juga digunakan untuk mengautomasikan dokumentasi . Pakar perubatan sering menghabiskan lebih banyak masa menulis nota daripada merawat pesakit. Tetapi dengan LLMs , doktor boleh menentukan atau memuat naik butiran pesakit dan menerima draf nota kemajuan atau ringkasan pelepasan sebagai balasan. Langkah terakhir ialah semakan pantas dan kelulusan.

Epic Systems, salah satu penyedia EHR terbesar di AS, sedang aktif merintis penjanaan nota berbantukan AI dengan kerjasama Microsoft. Dalam kajian lain, keputusan awal menunjukkan doktor menjimatkan purata 3.3 jam seminggu dengan dokumentasi berbantukan AI. 

Sistem ini juga memperkenalkan lapisan pemeriksaan keselamatan klinikal. Model AI membenderakan isu yang berpotensi seperti interaksi alahan dadah atau arahan bercanggah yang terkubur dalam rekod. Walaupun mereka tidak membuat keputusan, mereka bertindak sebagai mata kedua, mengurangkan risiko kesilapan perubatan.

Ubat peribadi

AI Generatif boleh meramalkan cara individu akan bertindak balas terhadap rawatan dengan menganalisis genetik dan sejarah perubatan mereka. 

Dilatih pada set data yang besar, model AI mencari corak halus - seperti cara varian gen tertentu mempengaruhi metabolisme dadah - dan menggunakan cerapan itu untuk mengesyorkan penyelesaian yang disesuaikan.

Rawatan kesihatan mental

Prinsip yang sama menggunakan AI generatif untuk memodelkan respons diperibadikan juga sedang diterokai dalam kesihatan mental. 

Syarikat seperti Woebot Health sedang membangunkan alat terapi tingkah laku kognitif (CBT) dipacu AI. Sistem ini menganalisis interaksi sebelumnya untuk mencipta dialog terapeutik tersuai dan mensimulasikan pencetus kebimbangan dunia sebenar, seperti menghadiri parti yang ramai atau menerima kritikan di tempat kerja. Kemudian, mereka membimbing pesakit melalui strategi mengatasi dalam masa nyata, menawarkan kesinambungan antara sesi terapi.

Pendidikan dan latihan perubatan

Latihan perubatan tradisional sentiasa bersandar pada kajian kes statik dan pesakit standard. Mereka berguna, tetapi mereka tidak menyediakan pelajar sepenuhnya untuk ketidakpastian kerja klinikal sebenar. 

AI Generatif mengubahnya dengan memperkenalkan simulasi baharu yang menyesuaikan diri dengan cara setiap pelajar bertindak balas dan belajar.

Virti, sebuah syarikat yang berpangkalan di UK, membangunkan "pesakit maya" berkuasa AI untuk meningkatkan latihan klinikal jauh. Dalam Virti, pelajar mungkin perlu :

• Sampaikan berita buruk kepada pesakit maya yang menghidap kanser
• Tenangkan ahli keluarga yang marah menuntut jawapan
• Terangkan diagnosis yang rumit secara ringkas

Pesakit maya bertindak balas dalam masa nyata terhadap apa yang pelajar katakan atau lakukan, mewujudkan pengalaman yang lebih realistik. 

Pesakit maya Virti juga menilai sejauh mana jelas dan empati pelatih berkomunikasi. Jika pelajar mengatakan sesuatu seperti "metastatik", sistem mungkin mencadangkan untuk menghurainya semula sebagai "kanser telah merebak" untuk memudahkan pesakit memahami.

Virti juga menjejaki prestasi pelajar merentas simulasi, menyediakan pengajar dengan papan pemuka yang menyerlahkan kawasan di mana pelajar mungkin bergelut, seperti terlebih preskripsi antibiotik atau kehilangan diagnosis kritikal.

Teknologi AI ini semakin popular dalam amalan. Semasa pandemik COVID-19, teknologi Virti melatih lebih 300 doktor di Hospital Cedars-Sinai. 

Pendidikan pesakit

Mengenai pendidikan pesakit, AI generatif membenarkan pendidikan diperibadikan dengan menganalisis keadaan pesakit dan sejarah perubatan. 

Apl seperti OneRemission menggunakan AI chatbots untuk membimbing mangsa kanser melalui penjagaan selepas rawatan. Jika pesakit bertanya, "Bolehkah saya makan makanan ini dengan ubat saya?", chatbot memberikan jawapan terus berdasarkan sejarah perubatan pesakit. 

Interaksi ini melangkaui perbualan statik. Pesakit diabetes yang baru didiagnosis, sebagai contoh, mungkin bermula dengan asas: bagaimana untuk memeriksa gula darah mereka, bila mengambil insulin, apa yang perlu dimakan. Kemudian, mereka mungkin bertanya, "Apa yang berlaku jika saya terlepas satu dos?" atau "Bolehkah saya makan buah?" AI bertindak balas dalam bahasa yang jelas dan bukan teknikal serta-merta.

AI juga bertemu orang di mana mereka berada. Jika seseorang mempunyai celik kesihatan yang rendah atau bercakap dalam bahasa yang berbeza, AI menyesuaikan cara ia menerangkan sesuatu. Daripada mengatakan "pantau glukosa anda," ia mungkin berkata, "Periksa gula darah anda menggunakan peranti ini. Begini caranya."

Untuk memastikan pesakit berada di landasan yang betul, chatbots AI juga menghantar peringatan tepat pada masanya seperti "Ambil pil 4PM anda sekarang" atau "Temu janji susulan anda esok pada 10AM." 

Fungsi pejabat belakang

Hospital mungkin berteknologi tinggi di OR, tetapi di sebalik tabir, banyak yang masih berjalan pada hamparan, PDF yang diimbas dan urutan e-mel yang panjang. Jabatan HR, kewangan dan operasi sering bergantung pada sistem lapuk yang menjadikan aliran kerja asas tidak cekap.

AI Generatif membantu memodenkan fungsi pejabat belakang ini dengan menukar proses manual kepada sistem automatik.

Ambil kewangan. Daripada meminta kakitangan menyemak setiap invois secara manual, sesetengah hospital kini menggunakan AI untuk mengimbas pesanan pembelian, memadankannya dengan kontrak vendor, membenderakan ketidakkonsistenan seperti caj pendua dan menghalakannya kepada pelulus yang betul. 

Dalam HR, AI memperkasakan chatbot AI dalaman yang menjawab soalan kakitangan seperti, "Di manakah saya boleh mencari dasar PTO?" Daripada menunggu berjam-jam (atau hari) untuk IT atau HR untuk bertindak balas, pekerja mendapat jawapan serta-merta, walaupun pada pukul 2 pagi

Alat di sebalik tabir ini mungkin tidak kelihatan seperti model diagnostik atau pembantu maya, tetapi alat tersebut menangkap ralat dan membebaskan kakitangan untuk menumpukan pada kerja berimpak lebih tinggi. 

Dan hospital bukan satu-satunya bahagian sistem penjagaan kesihatan yang menangani aliran kerja yang sudah lapuk. Penyedia insurans menggunakan chatbots AI untuk mengendalikan tugas seperti kemas kini polisi dan pemprosesan tuntutan — menawarkan buku permainan yang jelas tentang cara hospital boleh membawa kecekapan yang sama kepada operasi mereka sendiri.

Panggilan Susulan Vaksin Automatik dengan Voice AI

Semasa pelancaran vaksin COVID-19 Itali, pasukan kesihatan awam memerlukan cara untuk memantau kesan sampingan merentas ribuan pesakit. Bergantung pada pemeriksaan peribadi atau panggilan telefon tidak boleh diskalakan dan kelewatan berisiko kehilangan reaksi serius.

engineon membina bot berasaskan suara menggunakan Botpress untuk memanggil pesakit secara proaktif, bertanya tentang simptom pasca vaksin, dan log respons, semuanya sambil mematuhi undang-undang privasi EU. 

Data tersebut disalurkan terus ke dalam sistem analitik engineon, membantu pegawai kesihatan bertindak balas dengan cepat terhadap kejadian buruk.

Ini menghasilkan ketepatan tindak balas 95% , €80,000 dalam penjimatan tahunan, dan lebih 6,000 jam bekerja dibebaskan. 

Pembantu Klinikal Bebas Tangan untuk Doktor

Pusat Perubatan Universiti Vanderbilt menghadapi masalah yang semakin meningkat: keletihan penyedia. 

Dokumentasi dan kerja pentadbir memakan masa dan mendorong kos buruh lebih tinggi. Untuk meringankan beban, Dr. Yaa Kumah-Crystal mengetuai usaha untuk membawa alatan AI berkuasa suara ke dalam aliran kerja klinikal harian.

Bekerjasama dengan Epic Systems, pasukan membangunkan V-EVA : pembantu suara yang membolehkan doktor mengakses maklumat pesakit utama dengan bertanya secara lisan. Daripada membaca melalui rekod atau mendengar balasan audio yang panjang, pembekal melihat ringkasan pada skrin segera yang disesuaikan dengan keperluan mereka.

Doktor kini menggunakan arahan suara untuk memesan makmal dan meminta kemas kini bebas tangan. Apabila AI bertambah baik, ia dijangka melakukan lebih banyak lagi, seperti mendengar perbualan dan menjangka keperluan klinikal.

AI Chatbot untuk Mengendalikan Soalan Lazim Kesihatan Awam pada Skala

Semasa wabak COVID-19 di Quebec, Kementerian Kesihatan dan Perkhidmatan Sosial (MSSS) menghadapi gelombang pertanyaan awam, mengenai segala-galanya daripada gejala dan ujian kepada bantuan kewangan dan peraturan kesihatan awam. Pusat panggilan mereka tidak dapat bersaing.

Untuk bertindak balas dengan pantas, MSSS menggunakan bot sembang AI berkuasa Botpress dalam masa dua minggu sahaja. Ia dilatih untuk menjawab soalan berkaitan COVID dengan volum tinggi, tersedia 24/7, dan sentiasa dikemas kini dengan garis panduan kesihatan terkini.

Talian Penting Triage COVID-19 Dikendalikan oleh AI Voice Bot

Semasa gelombang pertama COVID-19, Mass General Brigham melancarkan talian hotline untuk membantu pesakit yang mempunyai soalan. Tetapi dalam beberapa jam, volum panggilan meletup. 

Untuk membetulkannya, pasukan itu membina pembantu suara berkuasa AI yang dilatih pada protokol pemeriksaan CDC. Bot bertanya soalan gejala, menawarkan langkah seterusnya dan mengarahkan pesakit ke penjagaan segera, doktor penjagaan primer atau ER.

Dengan memunggah panggilan rutin, bot AI telah mengurangkan masa menunggu secara drastik dan membantu beribu-ribu pesakit mendapatkan bimbingan dengan lebih cepat. 

Hari ini, momentum awal penggunaan AI itu berterusan: 1 dalam 10 pakar perubatan Mass General Brigham menggunakan AI generatif, kini untuk membantu dengan dokumentasi.

Alat Pertuturan Dikuasakan AI untuk Orang Kurang Upaya

Vocable ialah apl percuma yang membantu orang yang mengalami masalah pertuturan berkomunikasi dengan menggunakan pergerakan kepala, muka atau mata untuk menjana respons semula jadi yang dikuasakan AI.

Versi pertama menggunakan kamera hadapan peranti mudah alih untuk menjejaki pergerakan kepala dan muka, membolehkan pengguna memilih perkataan dan frasa pada skrin. Ia merupakan satu langkah besar ke hadapan berbanding peranti AAC (pertambahan dan komunikasi alternatif) tradisional, yang selalunya berharga lebih $15,000 dan menawarkan fungsi terhad.

Tetapi ia masih terasa mekanikal. Untuk mengubahnya, pasukan menyepadukan ChatGPT . Kini, Vocable memahami perkara yang dikatakan oleh penjaga dan menjana balasan pintar dalam masa nyata.

Pada Apple Vision Pro, pengalaman lebih jauh. Pengguna boleh menavigasi antara muka dengan penjejakan mata dalam paparan yang mengasyikkan sepenuhnya.

Hasilnya ialah alat komunikasi moden untuk mangsa strok, penghidap ALS atau MS, pesakit bukan lisan dan orang lain yang sukar bercakap.

1. Tentukan Objektif Anda

Jangan bina chatbot hanya untuk memilikinya. Tentukan dengan tepat apa yang patut dilakukan.

• Patutkah ia menempah janji temu?
• Hantar peringatan preskripsi?
• Gejala triage dan mengarahkan pesakit untuk menjaga?

Setiap matlamat membawa kepada ciri, penyepaduan dan keputusan reka bentuk yang berbeza. Sebagai contoh, jika anda mahu triage gejala, anda memerlukan satu LLM -ejen berkuasa yang memahami bahasa semula jadi dan boleh mengendalikan input terbuka seperti: “Saya mengalami sakit tekak dan demam selama dua hari — patutkah saya masuk?”

Tiada matlamat yang jelas = bot berantakan tanpa nilai yang jelas.

2. Pilih Platform AI yang Tepat

Tidak setiap pembina chatbot berfungsi untuk hospital atau klinik. Pilih platform yang dibina untuk, atau mudah disesuaikan dengan, penjagaan kesihatan. Untuk memulakan anda, berikut ialah 9 pembangun AI chatbot terbaik .

Cari aliran kerja yang boleh disesuaikan, supaya anda boleh menentukan logik untuk triage, peringatan atau pengambilan dan penyepaduan dengan EHR, portal pesakit dan alat penjadualan.

Juga sahkan ia menyokong pematuhan (cth HIPAA) dan kebolehskalaan. Anda tidak mahu membina semula apabila juruterbang anda berkembang. 

Dan pastikan platform pilihan anda termasuk langkah keselamatan chatbot yang kukuh, seperti penyulitan data dan kawalan akses berasaskan peranan. 

3. Sepadukan dengan Sistem Teras

Bot sembang yang berdiri sendiri tidak akan banyak membantu. Untuk mendapatkan nilai sebenar daripada pelaksanaan chatbot anda, sepadukannya dengan sistem teras anda supaya ia benar-benar boleh melakukan perkara, seperti:

• Tarik data pesakit daripada EHR anda untuk memperibadikan interaksi
• Semak ketersediaan janji temu dalam masa nyata
• Kendalikan soalan pengebilan dengan menyambung kepada alat insurans dan tuntutan
• Jejaki data penggunaan melalui platform analitik seperti Looker atau Tableau

Tanpa penyepaduan, chatbot anda hanyalah FAQ yang mewah.

4. Bina dan Uji

Reka bentuk aliran perbualan seperti anda melakukan proses klinikal. Petakannya:

• Apa yang perlu bot katakan dahulu?
• Apakah soalan susulan yang harus ditanyakan?
• Bagaimanakah ia mengendalikan input atau peningkatan yang mengelirukan?

Setelah aliran jelas, bina chatbot anda.

5. Tegaskan

Akhir sekali, uji secara berulang.

Simulasi sembang pesakit, cari di mana ia rosak, dan betulkan. Dapatkan maklum balas daripada kakitangan barisan hadapan dan pengguna sebenar. Laraskan nada dan respons sehingga ia berfungsi seperti yang diharapkan.

Penambahbaikan tidak berakhir selepas pelancaran. Bot terbaik berkembang dengan penggunaan dunia sebenar.

Bagaimanakah saya tahu jika organisasi penjagaan kesihatan saya bersedia untuk melaksanakan AI generatif?

Anda akan mengetahui organisasi penjagaan kesihatan anda bersedia untuk melaksanakan AI generatif jika anda mempunyai masalah yang jelas untuk diselesaikan — seperti mengurangkan masa dokumentasi atau menambah baik analisis data — dan jika pasukan anda terbuka untuk menggunakan alatan digital baharu. Kesediaan juga bermakna mempunyai sistem data selamat (seperti EHR) yang boleh disepadukan oleh AI, dan sokongan kepimpinan untuk merintis projek AI yang kecil dan berfokus sebelum skala.

Apakah undang-undang privasi data pesakit yang perlu saya pertimbangkan apabila menggunakan AI generatif dalam penjagaan kesihatan?

Apabila menggunakan AI generatif dalam penjagaan kesihatan, anda mesti mematuhi undang-undang privasi pesakit seperti HIPAA di AS (atau GDPR di Eropah), yang mengawal cara maklumat kesihatan yang dilindungi (PHI) disimpan dan dikongsi. Ini bermakna mana-mana alatan AI yang anda gunakan harus menyokong penyulitan, kawalan akses yang ketat, log audit dan proses untuk menyahpasti data jika ia digunakan untuk model latihan atau analitik.

Adakah AI generatif cukup selamat untuk membuat keputusan klinikal, atau adakah ia hanya boleh digunakan untuk tugas pentadbiran?

AI Generatif masih belum cukup dipercayai untuk menggantikan pertimbangan klinikal dan harus digunakan sebagai alat bantuan dan bukannya sebagai pembuat keputusan dalam penjagaan pesakit. Ia selamat untuk tugas pentadbiran — seperti merangka nota dan mengendalikan pertanyaan rutin pesakit — tetapi sebarang diagnosis perubatan atau pelan rawatan hendaklah sentiasa berada di bawah pengawasan manusia untuk mengelakkan kesilapan.

Berapa lamakah masa yang biasanya diambil untuk menggunakan chatbot AI dalam tetapan penjagaan kesihatan?

Menggunakan chatbot AI dalam tetapan penjagaan kesihatan boleh mengambil masa dari beberapa minggu hingga beberapa bulan, bergantung pada kerumitan. Bot Soalan Lazim asas mungkin dilancarkan dalam 2–4 minggu, manakala bot sembang canggih yang bersambung kepada EHR, mengendalikan perbualan yang mematuhi HIPAA atau melakukan percubaan boleh mengambil masa 2-6 bulan untuk pembangunan, ujian dan kelulusan pematuhan.

Adakah terdapat kepakaran perubatan khusus yang AI generatif lebih berguna?

Ya, AI generatif amat berguna dalam kepakaran seperti radiologi (untuk mentafsir imej dan merangka laporan), patologi (untuk meringkaskan penemuan), onkologi (untuk meringkaskan rancangan rawatan yang kompleks), kesihatan mental (untuk bot terapi perbualan), dan bidang pentadbiran yang berat seperti penjagaan primer, di mana ia membantu menjana dokumentasi klinikal dan mengendalikan komunikasi pesakit dengan cekap.