9 กรณีการใช้งาน AI เชิงสร้างสรรค์ในการดูแลสุขภาพที่เปลี่ยนแปลงการดูแล

ฉันชอบซีรีส์ Grey's Anatomy มากพอๆ กับคนอื่นๆ เลย การผ่าตัดที่ตื่นเต้นเร้าใจ ความตึงเครียดในเชิงโรแมนติก การตัดสินชีวิตและความตายท่ามกลางสายฝนที่ตกหนัก 

แต่สำหรับผู้ที่เคยใช้เวลาหลายวันในโรงพยาบาลจริง คุณจะรู้ความจริงว่า ความเป็นจริงนั้นไม่น่าตื่นเต้นเท่าไหร่ โรงพยาบาลจริงนั้นทำงานด้วยข้อมูล และต้องรอคอยนานมาก

AI เชิงสร้างสรรค์กำลังเข้ามามีบทบาท ไม่ใช่ด้วยหูฟังตรวจโรคหรือมีดผ่าตัด แต่ด้วยผู้ช่วยเสียงและ แชทบอทระดับองค์กร ที่ช่วยลดความกดดันให้กับแพทย์

ไม่ใช่แค่ผู้เชี่ยวชาญด้านการดูแลสุขภาพเท่านั้นที่สังเกตเห็น การสำรวจของ Deloitte เมื่อเร็วๆ นี้พบว่า ผู้บริโภคมากกว่าครึ่งหนึ่งเชื่อว่า AI เชิงสร้างสรรค์ จะช่วยเพิ่มการเข้าถึงการดูแลสุขภาพ 

ในบทความนี้ ฉันจะแจกแจงกรณีการใช้งาน AI เชิงสร้างสรรค์ในทางปฏิบัติในระบบดูแลสุขภาพพร้อมตัวอย่างจริงของสิ่งที่ใช้ได้ผลในปัจจุบัน

Generative AI ถูกนำมาใช้ในระบบการดูแลสุขภาพอย่างไร?

Generative AI ช่วยให้ผู้เชี่ยวชาญด้านการดูแลสุขภาพสรุปและดำเนินการกับข้อมูลจำนวนมาก 

เทคโนโลยีเช่นโมเดลภาษาขนาดใหญ่ ( LLMs ), การประมวลผลภาษาธรรมชาติ (NLP) , แชทบอท AI และผู้ช่วยเสียง กำลังถูกบูรณาการเข้ากับเวิร์กโฟลว์ต่างๆ ทั่วคลินิกและโรงพยาบาล

ต่อไปนี้เป็นวิธีการบางประการที่ AI ในระบบดูแลสุขภาพปรากฏให้เห็นในโลกแห่งความเป็นจริง:

• แพทย์จะพูดผ่านไมโครโฟนระหว่างที่คนไข้เข้าพบ ผู้ช่วยเสียง AI จะคอยฟัง จัดโครงสร้างบันทึกการสนทนา สร้างบันทึกความคืบหน้าฉบับสมบูรณ์ และเน้นข้อความใดๆ ที่ต้องการการติดตามผลหรือชี้แจง
• ผู้ป่วยพิมพ์ข้อความลงใน แชทบอท AI ว่า “ฉันสามารถกินคาร์โบไฮเดรตได้ไหมหากเป็นโรคเบาหวาน” แทนที่จะตอบแบบทั่วๆ ไป บอท (ที่เชื่อมต่อกับบันทึกสุขภาพของผู้ป่วย) จะปรับแต่งคำตอบตามผลแล็บและยาที่ตรวจล่าสุด
• ผู้ดูแลระบบโรงพยาบาลอัพโหลด stack ใบแจ้งหนี้ โมเดล AI เชิงสร้างสรรค์จะจับคู่ใบแจ้งหนี้แต่ละใบกับสัญญาที่ถูกต้อง ทำเครื่องหมายความคลาดเคลื่อนในการเรียกเก็บเงิน และส่งต่อไปยังแผนกที่ถูกต้องเพื่อลงนาม

9 กรณีการใช้งาน AI เชิงสร้างสรรค์ด้านการดูแลสุขภาพ

การสร้างข้อมูล

AI เช่น แชทบอทด้าน AI ทางการแพทย์ จำเป็นต้องมีชุดข้อมูลขนาดใหญ่และหลากหลายเพื่อเรียนรู้ แต่กฎหมายความเป็นส่วนตัวของผู้ป่วย เช่น HIPAA ทำให้การแบ่งปันข้อมูลทางคลินิกจริงระหว่างสถาบันต่างๆ เป็นเรื่องยาก นั่นคือจุดที่ AI เชิงสร้างสรรค์สำหรับการสร้างข้อมูลสังเคราะห์เข้ามามีบทบาท

แทนที่จะเข้าถึงข้อมูลผู้ป่วยจริง นักวิจัยใช้แบบจำลองเชิงสร้างสรรค์ที่ฝึกจากชุดข้อมูลที่ไม่ระบุตัวตน แบบจำลองเหล่านี้เรียนรู้รูปแบบต่างๆ เกี่ยวกับความคืบหน้าของโรค อาการต่างๆ สัมพันธ์กับผลแล็บอย่างไร และการรักษาส่งผลต่อผลลัพธ์อย่างไร จากนั้นจึง สร้างบันทึกผู้ป่วยแบบสังเคราะห์ทั้งหมดซึ่งดูและทำงานเหมือนข้อมูลจริงแต่ไม่เชื่อมโยงกับบุคคลใดบุคคลหนึ่ง

สมมติว่าโรงพยาบาลแห่งหนึ่งต้องการฝึกอบรมโมเดล AI เพื่อตรวจจับสัญญาณเริ่มต้นของการติดเชื้อในกระแสเลือด ซึ่งมีจำนวนผู้ป่วยเพียง 200 รายเท่านั้น ซึ่งไม่เพียงพอ ดังนั้นโมเดล AI จึงวิเคราะห์ผู้ป่วยจริง 200 รายเหล่านี้และสร้างผู้ป่วยสังเคราะห์ขึ้นมาหลายพันราย:

• บางรายมีอาการติดเชื้อในกระแสเลือดโดยทั่วไป
• บางรายเลียนแบบอาการที่หายาก เช่น ไข้มาช้าและสัญญาณชีพที่ผิดปกติในสามวันต่อมา
• บางรายยังจำลองผู้ป่วยที่มีอาการที่ทำให้เข้าใจผิด เพื่อช่วยทดสอบกรณีที่อาจเกิดขึ้น

บันทึกสังเคราะห์เหล่านี้ไม่ได้เป็นของใครเลย แต่มีลักษณะเหมือนข้อมูลจริง

สิ่งนี้ช่วยปลดล็อกวิธีใหม่ๆ ในการทดสอบแนวคิดและสำรวจสถานการณ์ "จะเกิดอะไรขึ้นถ้า" ในทางการแพทย์โดยไม่ทำให้ความเป็นส่วนตัวของผู้ป่วยตกอยู่ในความเสี่ยง

การวินิจฉัยทางการแพทย์

ในสหรัฐอเมริกา โรงพยาบาลต่างๆ เช่น Mayo Clinic และ Mass General Brigham กำลังป้อนข้อมูลผู้ป่วยที่ไม่ระบุชื่อ เช่น ภาพ MRI ภาพ CT ผลการตรวจทางห้องปฏิบัติการ และบันทึกทางคลินิก ลงในเครื่องมือวินิจฉัยด้วย AI 

ในความเป็นจริง โรงพยาบาลในสหรัฐฯ ร้อยละ 65 ได้ใช้โมเดล AI เชิงทำนายในบางส่วนของเวิร์กโฟลว์การวินิจฉัยแล้ว

สาขาวิชาหนึ่งที่มีการนำมาใช้กันอย่างรวดเร็วเป็นพิเศษคือสาขารังสีวิทยา ซึ่งปัญญาประดิษฐ์กำลังช่วยให้แพทย์สามารถมองภาพได้กว้างไกลกว่าสายตาของมนุษย์ อัลกอริทึมได้รับการฝึกฝนให้สร้างภาพที่เบลอและเน้นบริเวณที่น่ากังวล เช่น เนื้องอกหรือกระดูกหัก

แต่แอปพลิเคชันที่สร้างผลกระทบมากที่สุดไม่ได้หยุดอยู่แค่ภาพเดียว โมเดลภาษาขนาดใหญ่สามารถรวมข้อมูลจากหลายแหล่ง ตั้งแต่รายงานรังสีวิทยาและบันทึกของแพทย์ไปจนถึงค่าแล็บ ใบสั่งยา และสัญญาณชีพของผู้ป่วย เพื่อสร้างภาพที่สมบูรณ์ยิ่งขึ้น

ลองนึกถึงประวัติของคนไข้ที่ระบุว่า “หายใจลำบากเล็กน้อยเป็นเวลา 2 สัปดาห์ มีอาการหายใจมีเสียงหวีด ไม่มีประวัติเป็นโรคหอบหืด”

ผู้ช่วย AI อาจจดจำรูปแบบที่อาจเกิดขึ้นของภาวะหัวใจล้มเหลวในระยะเริ่มต้น จากนั้นจะตรวจสอบค่าแล็บของเปปไทด์นาตริยูเรติกชนิดบีล่าสุด (ใช้ตรวจหาความเครียดของหัวใจ) และประวัติการใช้ยา หากผู้ป่วยมีอายุมากกว่า 65 ปี ระบบอาจให้ความสำคัญกับภาวะหัวใจล้มเหลวมากกว่าโรคหอบหืด และแจ้งให้แพทย์ตรวจสอบ

การค้นพบยา

ในปี 2020 นักวิทยาศาสตร์จาก MIT และ Harvard ได้ใช้ AI เชิงกำเนิดเพื่อระบุยาปฏิชีวนะชนิดใหม่ ฮาลิซิน ที่สามารถฆ่าแบคทีเรียที่ดื้อยาได้ 

ความก้าวหน้าทาง AI ประเภทนี้กำลังเปลี่ยนแปลงวิธีที่นักเคมีและนักวิจัยด้านเภสัชกรรมจัดการกับหนึ่งในส่วนที่แพงที่สุดและใช้เวลานานที่สุดในทางการแพทย์

การพัฒนายาเพียงชนิดเดียว รวมถึงค่าใช้จ่ายสำหรับยาที่ล้มเหลว อาจมีค่าใช้จ่ายตั้งแต่ 1,000 ถึง 2,000 ล้านดอลลาร์ USD โดยทั่วไปแล้ว การพัฒนายาจะเน้นไปที่ตัวเลข ได้แก่ การคัดกรองสารประกอบหลายพันชนิด การทดลองแล้วการทดลองเล่า และการหวังว่าจะได้ผล 

Generative AI ช่วยให้กระบวนการนี้รวดเร็วขึ้นอย่างมาก นักวิจัยเริ่มต้นด้วยคำกระตุ้นการค้นพบยา เช่น "ออกแบบโมเลกุลที่ยับยั้งการกลายพันธุ์ของ KRAS G12C ในมะเร็งปอดแต่ไม่ส่งผลต่อเซลล์ที่แข็งแรง" 

ข้อความแจ้งเตือนนี้จะถูกป้อนเข้าสู่โมเดลเชิงสร้างสรรค์ที่ฝึกมาจากฐานข้อมูลโครงสร้างทางเคมี ปฏิกิริยาระหว่างโปรตีน และผลข้างเคียงที่ทราบ ภายในไม่กี่ชั่วโมง โมเดล จะเสนอโครงสร้างโมเลกุลใหม่ทั้งหมด ที่ตรงตามเกณฑ์ดังกล่าว โดยบางส่วนได้รับแรงบันดาลใจจากสารประกอบที่มีอยู่แล้ว ในขณะที่บางส่วนก็แปลกใหม่โดยสิ้นเชิง 

จากนั้น นักวิจัยสามารถ จำลองว่าโมเลกุลเหล่านี้จับกับโปรตีนเป้าหมายได้อย่างไร โดยจำกัดรายการก่อนที่พวกเขาจะดำเนินการทดลองในห้องแล็ป

วิธีนี้ทำงานในทางกลับกันเช่นกัน หากนักวิจัยป้อนข้อมูลการแสดงออกของยีนจากผู้ป่วย โมเดลจะสามารถอนุมานได้ว่าสารประกอบชนิดใดที่อาจแก้ไขความผิดปกติที่เป็นสาเหตุได้ แม้ว่าสารประกอบดังกล่าวจะยังไม่มีอยู่จริงก็ตาม

เอกสารประกอบทางคลินิก 

แทนที่จะเสียเวลาหลายชั่วโมงในการค้นหาบันทึกสุขภาพทางอิเล็กทรอนิกส์ (EHR) ขณะนี้แพทย์สามารถ รับสรุปข้อมูลสำคัญ เช่น การวินิจฉัย ยา แนวโน้มทางห้องปฏิบัติการ และประวัติการรักษาได้ทันที

บทสรุปเหล่านี้ช่วยให้ผู้ให้บริการทำงานได้อย่างทันท่วงทียิ่งขึ้น โดยเฉพาะอย่างยิ่งในช่วงที่มีการเปลี่ยนกะหรือมีผู้ป่วยจำนวนมาก

นอกเหนือจากการปรับปรุงการเข้าถึงข้อมูลแล้ว เครื่องมือเหล่านี้ยังถูกนำมาใช้เพื่อ ทำให้การจัดทำเอกสารเป็นไปโดยอัตโนมัติ อีกด้วย แพทย์มักจะใช้เวลาเขียนบันทึกมากกว่าการรักษาผู้ป่วย แต่ด้วย LLMs แพทย์สามารถบอกหรืออัปโหลดรายละเอียดผู้ป่วย และได้รับบันทึกความคืบหน้าฉบับร่างหรือสรุปการออกจากโรงพยาบาล เป็นการตอบแทน ขั้นตอนสุดท้ายคือการตรวจสอบและอนุมัติอย่างรวดเร็ว

Epic Systems ซึ่งเป็นผู้ให้บริการ EHR รายใหญ่ที่สุดรายหนึ่งในสหรัฐอเมริกา กำลัง ดำเนินการนำร่องการสร้างบันทึกด้วยความช่วยเหลือของ AI ร่วมกับ Microsoft ในการศึกษาวิจัยอีกกรณีหนึ่ง ผลลัพธ์เบื้องต้นแสดงให้เห็นว่าแพทย์ประหยัดเวลา ได้เฉลี่ย 3.3 ชั่วโมงต่อสัปดาห์ ด้วยการบันทึกข้อมูลด้วยความช่วยเหลือของ AI 

นอกจากนี้ ระบบเหล่านี้ยังนำเสนอชั้นการตรวจสอบความปลอดภัยทางคลินิกอีกด้วย โดยโมเดล AI จะตรวจจับปัญหาที่อาจเกิดขึ้นได้ เช่น ปฏิกิริยาระหว่างยาและการแพ้ยา หรือคำแนะนำที่ขัดแย้งกันซึ่งฝังอยู่ในบันทึก แม้ว่าโมเดล AI จะไม่ได้ทำหน้าที่ตัดสินใจ แต่โมเดล AI จะทำหน้าที่เป็นตาคู่ที่สอง ซึ่งจะช่วยลดความเสี่ยงของข้อผิดพลาดทางการแพทย์

การแพทย์เฉพาะบุคคล

Generative AI สามารถคาดการณ์ว่าบุคคลจะตอบสนองต่อการรักษาอย่างไรโดยการวิเคราะห์พันธุกรรมและประวัติทางการแพทย์ของพวกเขา 

โมเดล AI ที่ผ่านการฝึกอบรมด้วยชุดข้อมูลขนาดใหญ่จะค้นหารูปแบบที่ละเอียดอ่อน เช่น ผลกระทบของยีนเฉพาะต่อการเผาผลาญยา และใช้ข้อมูลเชิงลึกนั้นในการแนะนำโซลูชันที่เหมาะกับความต้องการ

การรักษาสุขภาพจิต

หลักการเดียวกันนี้ในการใช้ AI เชิงสร้างสรรค์ในการสร้างแบบจำลองการตอบสนองส่วนบุคคลกำลังได้รับการสำรวจในด้านสุขภาพจิตด้วยเช่นกัน 

บริษัทต่างๆ เช่น Woebot Health กำลังพัฒนาเครื่องมือบำบัดพฤติกรรมทางปัญญา (CBT) ที่ขับเคลื่อนด้วย AI ระบบเหล่านี้จะวิเคราะห์การโต้ตอบก่อนหน้านี้เพื่อสร้างบทสนทนาบำบัดที่ปรับแต่งได้และจำลองการกระตุ้นความวิตกกังวลในโลกแห่งความเป็นจริง เช่น การไปงานปาร์ตี้ที่มีผู้คนพลุกพล่านหรือการได้รับคำวิจารณ์จากที่ทำงาน จากนั้นจะแนะนำผู้ป่วยผ่านกลยุทธ์การรับมือแบบเรียลไทม์ ซึ่งช่วยให้เกิดความต่อเนื่องระหว่างช่วงการบำบัด

การศึกษาและฝึกอบรมทางการแพทย์

การฝึกอบรมทางการแพทย์แบบดั้งเดิมมักเน้นที่การศึกษาเฉพาะกรณีแบบคงที่และผู้ป่วยแบบมาตรฐาน การฝึกอบรมเหล่านี้มีประโยชน์ แต่ไม่ได้เตรียมนักศึกษาให้พร้อมสำหรับการทำงานทางคลินิกจริงที่ไม่สามารถคาดเดาได้ 

Generative AI เปลี่ยนแปลงสิ่งนั้นด้วยการแนะนำการจำลองแบบใหม่ที่ปรับตามวิธีการตอบสนองและการเรียนรู้ของนักเรียนแต่ละคน

Virti บริษัทจากสหราชอาณาจักรได้พัฒนา "ผู้ป่วยเสมือนจริง" ที่ขับเคลื่อนด้วย AI เพื่อเพิ่มประสิทธิภาพการฝึกอบรมทางคลินิกทางไกล ใน Virti นักศึกษาอาจต้อง :

• แจ้งข่าวร้ายให้ผู้ป่วยมะเร็งเสมือนจริงทราบ
• สงบสติอารมณ์สมาชิกในครอบครัวที่กำลังโกรธและต้องการคำตอบ
• อธิบายการวินิจฉัยที่ซับซ้อนให้เข้าใจง่าย

ผู้ป่วยเสมือนตอบสนองต่อสิ่งที่นักเรียนพูดหรือทำแบบเรียลไทม์ ทำให้เกิดประสบการณ์ที่สมจริงยิ่งขึ้น 

นอกจากนี้ ผู้ป่วยเสมือนจริงของ Virti ยังประเมินด้วยว่าผู้เข้ารับการฝึกอบรมสื่อสารได้อย่างชัดเจนและเห็นอกเห็นใจเพียงใด หากนักศึกษาพูดอะไรบางอย่าง เช่น “มะเร็งแพร่กระจาย” ระบบอาจแนะนำให้เปลี่ยนคำพูดเป็น “มะเร็งได้แพร่กระจายแล้ว” เพื่อให้ผู้ป่วยเข้าใจได้ง่ายขึ้น

Virti ยังติดตามผลการปฏิบัติงานของนักเรียนในทุกการจำลอง โดยมอบแดชบอร์ดให้กับผู้สอนเพื่อเน้นย้ำด้านต่างๆ ที่ผู้เรียนอาจประสบปัญหา เช่น การจ่ายยาปฏิชีวนะมากเกินไปหรือการวินิจฉัยที่สำคัญไม่ครบถ้วน

เทคโนโลยี AI ได้รับความนิยมมากขึ้นเรื่อยๆ ในทางปฏิบัติ ในช่วงการระบาดของ COVID-19 เทคโนโลยีของ Virti ได้ฝึกอบรมแพทย์มากกว่า 300 ราย ที่โรงพยาบาล Cedars-Sinai 

การให้ความรู้แก่ผู้ป่วย

เมื่อพูดถึงการให้ความรู้แก่ผู้ป่วย AI เชิงสร้างสรรค์ช่วยให้สามารถให้ความรู้แบบเฉพาะบุคคลได้ โดยการวิเคราะห์ภาวะและประวัติทางการแพทย์ของผู้ป่วย 

แอปอย่าง OneRemission ใช้แชทบอท AI เพื่อแนะนำผู้รอดชีวิตจากมะเร็ง ในการดูแลหลังการรักษา หากผู้ป่วยถามว่า “ฉันกินอาหารนี้กับยาได้ไหม” แชทบอทจะตอบคำถามโดยตรงตามประวัติการรักษาของผู้ป่วย 

การโต้ตอบนี้ไม่ใช่แค่การสนทนาแบบเดิม ๆ ตัวอย่างเช่น ผู้ป่วยโรคเบาหวานที่เพิ่งได้รับการวินิจฉัยอาจเริ่มต้นด้วยคำถามพื้นฐาน เช่น วิธีตรวจน้ำตาลในเลือด ควรฉีดอินซูลินเมื่อใด ควรกินอะไร จากนั้นพวกเขาอาจถามว่า “จะเกิดอะไรขึ้นหากฉันลืมฉีด” หรือ “ฉันกินผลไม้ได้ไหม” AI จะตอบกลับเป็นภาษาธรรมดาที่ไม่ต้องใช้เทคนิคทันที

AI ยังเข้าถึงผู้คนได้ทุกที่ ทุกเวลา หากใครมีความรู้ด้านสุขภาพต่ำหรือพูดภาษาอื่น AI จะปรับวิธีการอธิบายสิ่งต่างๆ แทนที่จะบอกว่า “ตรวจวัดระดับน้ำตาลในเลือด” อาจบอกว่า “ตรวจน้ำตาลในเลือดโดยใช้เครื่องมือนี้ ดูวิธีการได้ที่นี่”

เพื่อให้ผู้ป่วยอยู่ในการติดตามการรักษา แชทบอท AI ยังส่งคำเตือนที่ทันท่วงที เช่น “รับประทานยา 16.00 น. ของคุณทันที” หรือ “นัดติดตามอาการของคุณคือพรุ่งนี้ เวลา 10.00 น.” 

ฟังก์ชั่นแบ็คออฟฟิศ

แม้ว่าโรงพยาบาลในห้องผ่าตัดจะมีเทคโนโลยีขั้นสูง แต่เบื้องหลัง โรงพยาบาลหลายแห่งยังคงใช้สเปรดชีต สแกน PDF และอีเมลยาวๆ แผนกทรัพยากรบุคคล การเงิน และปฏิบัติการมักพึ่งพาระบบที่ล้าสมัยซึ่งทำให้เวิร์กโฟลว์พื้นฐานไม่มีประสิทธิภาพ

Generative AI กำลังช่วยทำให้การทำงานของแบ็คออฟฟิศทันสมัยขึ้นโดยเปลี่ยนกระบวนการด้วยตนเองให้เป็นระบบอัตโนมัติ

ในด้านการเงิน แทนที่เจ้าหน้าที่จะต้องตรวจสอบใบแจ้งหนี้แต่ละใบด้วยตนเอง โรงพยาบาลบางแห่งใช้ AI ในการสแกนใบสั่งซื้อ จับคู่กับสัญญากับผู้ขาย ทำเครื่องหมายความไม่สอดคล้องกัน เช่น ค่าใช้จ่ายซ้ำซ้อน และส่งต่อไปยังผู้อนุมัติที่ถูกต้อง 

ในด้านทรัพยากรบุคคล AI จะขับเคลื่อนแชทบอท AI ภายในองค์กรที่ตอบคำถามของพนักงาน เช่น "ฉันจะค้นหานโยบาย PTO ได้ที่ไหน" แทนที่จะต้องรอหลายชั่วโมง (หรือหลายวัน) ให้ฝ่ายไอทีหรือทรัพยากรบุคคลตอบกลับ พนักงานจะได้รับคำตอบทันที แม้กระทั่งในเวลาตีสอง

เครื่องมือเบื้องหลังเหล่านี้อาจไม่ชัดเจนเท่ากับโมเดลการวินิจฉัยหรือผู้ช่วยเสมือน แต่เครื่องมือเหล่านี้สามารถตรวจจับข้อผิดพลาดและทำให้พนักงานมีเวลามุ่งเน้นไปที่งานที่มีผลกระทบสูงกว่าได้ 

โรงพยาบาลไม่ใช่เพียงส่วนเดียวของระบบการดูแลสุขภาพที่ต้องรับมือกับเวิร์กโฟลว์ที่ล้าสมัย ผู้ให้บริการประกันภัยกำลังใช้แชทบอท AI เพื่อจัดการงานต่างๆ เช่น การอัปเดตนโยบายและการประมวลผลการเรียกร้องค่าสินไหมทดแทน ซึ่งเป็นแนวทางที่ชัดเจนในการนำประสิทธิภาพเดียวกันนี้มาใช้กับการดำเนินงานของตนเองได้อย่างไร

การประยุกต์ใช้ Generative AI ในโลกแห่งความเป็นจริงในระบบการดูแลสุขภาพมีอะไรบ้าง?

การโทรติดตามวัคซีนอัตโนมัติด้วยระบบ AI ด้วยเสียง

ระหว่างการเปิดตัววัคซีนป้องกัน COVID-19 ของอิตาลี ทีมสาธารณสุขต้องการวิธีติดตามผลข้างเคียงในผู้ป่วยหลายพันคน การพึ่งพาการตรวจสุขภาพแบบพบหน้าหรือการโทรศัพท์ไม่สามารถปรับขนาดได้ และความล่าช้าอาจทำให้พลาดปฏิกิริยาที่ร้ายแรง

engineon สร้างบอทที่ใช้เสียงโดยใช้ Botpress เพื่อโทรหาผู้ป่วยโดยตรง สอบถามเกี่ยวกับอาการหลังฉีดวัคซีน และบันทึกการตอบกลับ ทั้งหมดนี้ทำได้โดยปฏิบัติตามกฎหมายความเป็นส่วนตัวของสหภาพยุโรป 

ข้อมูลถูกป้อนเข้าสู่ระบบวิเคราะห์ของ Engineon โดยตรง ช่วยให้เจ้าหน้าที่สาธารณสุขตอบสนองต่อเหตุการณ์ที่ไม่พึงประสงค์ได้อย่างรวดเร็ว

ส่งผลให้ มีความแม่นยำในการตอบสนองถึง 95% ประหยัดเงินได้ 80,000 ยูโรต่อปี และเพิ่มชั่วโมงทำงานได้กว่า 6,000 ชั่วโมง 

ผู้ช่วยคลินิกแบบแฮนด์ฟรีสำหรับแพทย์

ศูนย์การแพทย์มหาวิทยาลัยแวนเดอร์บิลต์เผชิญกับปัญหาที่เพิ่มมากขึ้น นั่นคือ ความเหนื่อยล้าของผู้ให้บริการ 

งานด้านเอกสารและงานธุรการใช้เวลามากและทำให้ต้นทุนแรงงานสูงขึ้น เพื่อบรรเทาภาระ ดร. ยา กุมะห์-คริสตัล ได้นำความพยายามในการนำเครื่องมือ AI ที่ขับเคลื่อนด้วยเสียงมาใช้ในเวิร์กโฟลว์ทางคลินิกประจำวัน

ทีมงานได้พัฒนา V-EVA ซึ่งเป็นระบบผู้ช่วยเสียงที่ทำงานร่วมกับ Epic Systems ซึ่งช่วยให้แพทย์สามารถเข้าถึงข้อมูลสำคัญของผู้ป่วยได้โดยการถามด้วยวาจา แทนที่จะต้องอ่านบันทึกหรือฟังเสียงตอบกลับยาวๆ ผู้ให้บริการจะดูสรุปข้อมูลบนหน้าจอได้ทันทีซึ่งปรับให้เหมาะกับความต้องการของตน

ปัจจุบันแพทย์ใช้คำสั่งเสียงเพื่อสั่งการห้องแล็บและขอรับข้อมูลอัปเดตแบบแฮนด์ฟรี เมื่อ AI ได้รับการพัฒนาขึ้น คาดว่าจะสามารถทำอะไรได้มากขึ้น เช่น ฟังบทสนทนาและคาดการณ์ความต้องการทางคลินิก

AI Chatbot จะช่วยจัดการคำถามที่พบบ่อยเกี่ยวกับสาธารณสุขในระดับขนาดใหญ่

ระหว่างการระบาดของ COVID-19 ในควิเบก กระทรวงสาธารณสุขและบริการสังคม (MSSS) ต้องเผชิญกับการสอบปากคำจากสาธารณชนจำนวนมากเกี่ยวกับทุกอย่างตั้งแต่อาการและการทดสอบไปจนถึงความช่วยเหลือทางการเงินและกฎระเบียบด้านสาธารณสุข ศูนย์รับสายของกระทรวงไม่สามารถตามทัน

เพื่อตอบสนองอย่างรวดเร็ว MSSS ได้นำแชทบอท AI ที่ขับเคลื่อนด้วย Botpress มาใช้ ภายในเวลาเพียงสองสัปดาห์ แชทบอทนี้ได้รับการฝึกให้ตอบคำถามที่เกี่ยวข้องกับ COVID จำนวนมาก พร้อมให้บริการตลอด 24 ชั่วโมงทุกวัน และคอยอัปเดตแนวปฏิบัติด้านสุขภาพล่าสุดอยู่เสมอ

สายด่วนรับเรื่อง COVID-19 จัดการโดย AI Voice Bot

ในช่วงระลอกแรกของการระบาดของ COVID-19 นายพลแมสซาชูเซตส์ บริกแฮม ได้เปิดสายด่วนเพื่อช่วยเหลือผู้ป่วยในการตอบคำถาม แต่ภายในไม่กี่ชั่วโมง สายก็ดังขึ้นอย่างล้นหลาม 

เพื่อแก้ไขปัญหานี้ ทีมงานจึงได้สร้าง ผู้ช่วยเสียงที่ขับเคลื่อนด้วย AI ซึ่ง ได้รับการฝึกอบรมตามโปรโตคอลการคัดกรองของ CDC หุ่นยนต์จะถามคำถามเกี่ยวกับอาการ แนะนำขั้นตอนต่อไป และแนะนำผู้ป่วยไปยังแผนกฉุกเฉิน แพทย์ประจำครอบครัว หรือแผนกฉุกเฉิน

ด้วยการลดภาระการโทรตามปกติ บอท AI สามารถลดเวลาการรอคอยลงอย่างมากและช่วยให้ผู้ป่วยหลายพันคนได้รับคำแนะนำได้เร็วขึ้น 

ปัจจุบัน กระแสการใช้ AI ยังคงดำเนินต่อไป โดยแพทย์จาก Mass General Brigham จำนวน 1 ใน 10 ราย ใช้ AI เชิงสร้างสรรค์ เพื่อช่วยเหลือด้านการจัดทำเอกสาร

เครื่องมือการพูดที่ขับเคลื่อนด้วย AI สำหรับผู้พิการ

Vocable เป็นแอปฟรีที่ช่วยให้ผู้ที่มีความบกพร่องทางการพูดสามารถสื่อสารได้โดยใช้การเคลื่อนไหวของศีรษะ ใบหน้า หรือดวงตา เพื่อสร้างการตอบสนองที่เป็นธรรมชาติโดยขับเคลื่อนด้วย AI

เวอร์ชันแรกใช้กล้องด้านหน้าของอุปกรณ์พกพาเพื่อติดตามการเคลื่อนไหวของศีรษะและใบหน้า ช่วยให้ผู้ใช้สามารถเลือกคำและวลีบนหน้าจอได้ นับเป็นก้าวสำคัญเมื่อเทียบกับอุปกรณ์ AAC (การสื่อสารเสริมและทางเลือก) แบบดั้งเดิม ซึ่งมักมีราคาสูงกว่า 15,000 ดอลลาร์และมีฟังก์ชันการทำงานจำกัด

แต่ยังคงรู้สึกเหมือนเป็นเครื่องจักร เพื่อเปลี่ยนแปลงสิ่งนั้น ทีมงานได้บูรณา ChatGPT เข้าด้วยกัน ตอนนี้ Vocable เข้าใจสิ่งที่ผู้ดูแลพูดและสร้างคำตอบที่ชาญฉลาดแบบเรียลไทม์

ประสบการณ์การใช้งานของ Apple Vision Pro ดีขึ้นไปอีก ผู้ใช้สามารถนำทางอินเทอร์เฟซด้วยการติดตามดวงตาในการแสดงผลที่สมจริง

ผลลัพธ์ที่ได้คือเครื่องมือสื่อสารสมัยใหม่สำหรับผู้รอดชีวิตจากโรคหลอดเลือดสมอง ผู้ป่วย ALS หรือ MS ผู้ป่วยที่ไม่สามารถพูดได้ และผู้ป่วยอื่นๆ ที่มีปัญหาในการพูด

วิธีการนำ Chatbot ด้านการดูแลสุขภาพมาใช้

1. กําหนดวัตถุประสงค์ของคุณ

อย่าสร้างแชทบอทเพียงเพื่อมีแชทบอทไว้ใช้งาน แต่จงตัดสินใจว่าแชทบอทควรทำงานอย่างไร

• ควรจองนัดหมายมั้ย?
• ส่งคำเตือนการสั่งยา?
• จำแนกอาการและแนะนำผู้ป่วยไปรับการรักษา?

เป้าหมายแต่ละอย่างจะนำไปสู่คุณลักษณะ การบูรณาการ และการตัดสินใจออกแบบที่แตกต่างกัน ตัวอย่างเช่น หากคุณต้องการการคัดแยกอาการ คุณจะต้องมี LLM ตัวแทนที่มีอำนาจที่เข้าใจภาษาธรรมชาติและสามารถจัดการกับอินพุตปลายเปิด เช่น "ฉันเจ็บคอและมีไข้มาสองวันแล้ว ฉันควรไปไหม"

ไม่มีเป้าหมายที่ชัดเจน = บอทที่ยุ่งเหยิงและไม่มีค่าที่ชัดเจน

2. เลือกแพลตฟอร์ม AI ที่เหมาะสม

ไม่ใช่ว่าโปรแกรมสร้างแชทบ็อตทุกโปรแกรมจะใช้ได้กับโรงพยาบาลหรือคลินิก เลือกแพลตฟอร์มที่สร้างขึ้นมาเพื่อระบบดูแลสุขภาพโดยเฉพาะ หรือปรับให้เข้ากับระบบได้ง่าย ต่อไปนี้คือ โปรแกรมสร้างแชทบ็อต AI ที่ดีที่สุด 9 โปรแกรม เพื่อเริ่มต้นใช้งาน

มองหาเวิร์กโฟลว์ที่ปรับแต่งได้ เพื่อให้คุณสามารถกำหนดตรรกะสำหรับการคัดแยก การเตือน หรือการรับเข้า และการบูรณาการกับ EHR พอร์ทัลผู้ป่วย และเครื่องมือการจัดตารางเวลา

ยืนยันด้วยว่ารองรับการปฏิบัติตาม (เช่น HIPAA) และความสามารถในการปรับขนาด คุณไม่ต้องการสร้างใหม่เมื่อโครงการนำร่องของคุณขยายตัว 

และตรวจสอบให้แน่ใจว่าแพลตฟอร์มที่คุณเลือกมีมาตรการ รักษาความปลอดภัยแชทบอท ที่แข็งแกร่ง เช่น การเข้ารหัสข้อมูลและการควบคุมการเข้าถึงตามบทบาท 

3. บูรณาการกับระบบหลัก

Chatbot แบบสแตนด์อโลนจะไม่ช่วยอะไรมากนัก หากต้องการให้ได้รับประโยชน์อย่างแท้จริงจาก การใช้งาน Chatbot ให้ผสานรวมกับระบบหลักของคุณเพื่อให้ Chatbot สามารถทำสิ่งต่างๆ ได้จริง เช่น:

• ดึงข้อมูลผู้ป่วยจาก EHR ของคุณเพื่อปรับแต่งการโต้ตอบ
• ตรวจสอบความพร้อมของการนัดหมายแบบเรียลไทม์
• จัดการคำถามเกี่ยวกับการเรียกเก็บเงินโดยเชื่อมต่อกับเครื่องมือประกันและการเรียกร้อง
• ติดตามข้อมูลการใช้งานผ่านแพลตฟอร์มวิเคราะห์เช่น Looker หรือ Tableau

หากไม่มีการบูรณาการ แชทบอทของคุณก็เป็นเพียงคำถามที่พบบ่อยเท่านั้น

4. สร้างและทดสอบ

ออกแบบกระแสการสนทนาให้เหมือนกับกระบวนการทางคลินิก วางแผนไว้:

• บอทควรพูดอะไรก่อน?
• ควรถามคำถามติดตามอะไร?
• มันจัดการกับอินพุตหรือการเพิ่มระดับที่น่าสับสนได้อย่างไร

เมื่อกระแสชัดเจนแล้ว สร้างแชทบอทของคุณ

5. ทำซ้ำอีกครั้ง

สุดท้าย ให้ทดสอบแบบวนซ้ำ

จำลองการสนทนาของผู้ป่วย ค้นหาจุดที่มีปัญหา และแก้ไข รับคำติชมจากเจ้าหน้าที่แนวหน้าและผู้ใช้จริง ปรับโทนและการตอบสนองจนกว่าจะได้ผลตามที่คาดหวัง

การปรับปรุงไม่สิ้นสุดหลังจากเปิดตัว บอทที่ดีที่สุดจะพัฒนาตามการใช้งานจริง

สร้าง Chatbot ด้านการดูแลสุขภาพฟรี

AI กำลังเปลี่ยนแปลงการดูแลสุขภาพตั้งแต่การกำหนดเวลาการนัดหมายอัตโนมัติไปจนถึงการติดตามอาการแบบเรียลไทม์ รวมถึงการสนับสนุนด้านสุขภาพจิตอย่างต่อเนื่องระหว่างการเข้ารับการรักษา

แต่เพื่อใช้ประโยชน์จากสิ่งนี้ คุณต้องมีแพลตฟอร์ม AI ที่ทรงพลังและปรับเปลี่ยนได้

Botpress เป็นแพลตฟอร์มระดับองค์กรที่ยืดหยุ่นสำหรับการสร้างตัวแทน AI ที่จะจัดการกรณีการใช้งานด้านการดูแลสุขภาพในโลกแห่งความเป็นจริง โดยไม่จำเป็นต้องมีปริญญาเอกหรือทีมพัฒนา

เริ่มสร้างวันนี้ ฟรี

คำถามที่พบบ่อย

ฉันจะรู้ได้อย่างไรว่าองค์กรด้านการดูแลสุขภาพของฉันพร้อมที่จะนำ AI เชิงสร้างสรรค์มาใช้หรือไม่

คุณจะรู้ว่าองค์กรด้านการดูแลสุขภาพของคุณพร้อมที่จะนำ AI เชิงสร้างสรรค์มาใช้ หากคุณมีปัญหาที่ชัดเจนและต้องแก้ไข เช่น การลดเวลาในการจัดทำเอกสาร หรือการปรับปรุงการวิเคราะห์ข้อมูล และหากทีมของคุณเปิดรับการนำเครื่องมือดิจิทัลใหม่ๆ มาใช้ ความพร้อมยังหมายถึงการมีระบบข้อมูลที่ปลอดภัย (เช่น EHR) ที่ AI สามารถผสานรวมได้ และการสนับสนุนจากผู้นำในการนำร่องโครงการ AI ขนาดเล็กที่มุ่งเน้นเฉพาะด้านก่อนขยายขนาด

ฉันต้องพิจารณากฎหมายความเป็นส่วนตัวของข้อมูลผู้ป่วยใดบ้างเมื่อใช้ AI เชิงสร้างสรรค์ในระบบดูแลสุขภาพ?

เมื่อใช้ AI เชิงสร้างสรรค์ในระบบการดูแลสุขภาพ คุณต้องปฏิบัติตามกฎหมายความเป็นส่วนตัวของผู้ป่วย เช่น HIPAA ในสหรัฐอเมริกา (หรือ GDPR ในยุโรป) ซึ่งควบคุมวิธีการจัดเก็บและแบ่งปันข้อมูลสุขภาพที่ได้รับการคุ้มครอง (PHI) นั่นหมายความว่าเครื่องมือ AI ใดๆ ที่คุณใช้งานควรรองรับการเข้ารหัส การควบคุมการเข้าถึงที่เข้มงวด บันทึกการตรวจสอบ และกระบวนการสำหรับการลบข้อมูลระบุตัวตน หากนำไปใช้ในการฝึกอบรมหรือการวิเคราะห์ข้อมูล

AI เชิงสร้างสรรค์มีความปลอดภัยเพียงพอสำหรับการตัดสินใจทางคลินิกหรือไม่ หรือควรใช้สำหรับงานธุรการเท่านั้น

ปัญญาประดิษฐ์เชิงกำเนิด (generative AI) ยังไม่มีความน่าเชื่อถือเพียงพอที่จะทดแทนการตัดสินทางคลินิก และควรใช้เป็นเครื่องมือช่วยเหลือมากกว่าเป็นผู้ตัดสินใจในการดูแลผู้ป่วย ปัญญาประดิษฐ์เชิงกำเนิดมีความปลอดภัยสำหรับงานธุรการ เช่น การร่างบันทึกและการจัดการคำถามทั่วไปของผู้ป่วย แต่การวินิจฉัยทางการแพทย์หรือแผนการรักษาใดๆ ควรอยู่ภายใต้การกำกับดูแลของมนุษย์เสมอเพื่อหลีกเลี่ยงข้อผิดพลาด

โดยทั่วไปแล้วต้องใช้เวลานานเท่าไรในการใช้งาน AI chatbot ในสถานพยาบาล?

การนำแชทบอท AI มาใช้ในสถานพยาบาลอาจใช้เวลาตั้งแต่ไม่กี่สัปดาห์ไปจนถึงหลายเดือน ขึ้นอยู่กับความซับซ้อน บอท FAQ พื้นฐานอาจเปิดตัวภายใน 2-4 สัปดาห์ ในขณะที่แชทบอทขั้นสูงที่เชื่อมต่อกับ EHR จัดการการสนทนาที่สอดคล้องกับมาตรฐาน HIPAA หรือดำเนินการคัดกรอง อาจใช้เวลา 2-6 เดือนในการพัฒนา ทดสอบ และอนุมัติให้เป็นไปตามข้อกำหนด

มีสาขาทางการแพทย์เฉพาะทางใดบ้างที่ AI เชิงสร้างสรรค์มีประโยชน์มากกว่า?

ใช่ AI เชิงสร้างสรรค์นั้นมีประโยชน์อย่างยิ่งในสาขาเฉพาะทาง เช่น รังสีวิทยา (สำหรับการตีความภาพและร่างรายงาน) พยาธิวิทยา (สำหรับการสรุปผลการค้นพบ) เนื้องอกวิทยา (สำหรับการสรุปแผนการรักษาที่ซับซ้อน) สุขภาพจิต (สำหรับหุ่นยนต์บำบัดสนทนา) และสาขาที่เน้นงานธุรการ เช่น การดูแลเบื้องต้น ซึ่งช่วยสร้างเอกสารทางคลินิกและจัดการการสื่อสารกับผู้ป่วยอย่างมีประสิทธิภาพ